目录

步骤

第一步：安装 Anaconda 和 Pycharm 软件

第二步：下载安装CUDA11.3

（1）首先查看自己电脑GPU版本

方式一：搜索框输入nvidia   
    
    
    
，打开nvidia控制面板

方式二：win+R打开cmd


     


     


     


    ，输入nvidia-smi

（2）根据这个链接查看自己对应的cuda版本

（3）安装

第三步：下载GPU版本下的pytorch和pytorchvision

第四步：验证以上步骤全部安装成功

步骤

如果要使用GPU进行机器学习的训练 




 




 




 


，那么首先需要支持训练的显卡及驱动即正确安装CUDA   
    
    
    
、CUDNN   

   

   

   

，最重要的一点是需要与驱动对应的torch GPU版本

     

     

     

   ，否则大概率使用torch.cuda.is_available()命令检查GPU是否可用时得到False   
    
    
    
。

检查显卡-显卡驱动CUDA适配版本-下载Anaconda-下载CUDA-检查CUDA是否安装好-下载CuDNN-下载GPU版本的pytorch-pycharm中调试环境-大功告成

第一步：安装 Anaconda 和 Pycharm 软件

如果已经安装好
  




  




  




  

，这一步可忽略


     


     


     


    。

Anaconda下载可以直接在网上搜教程  


  


  


  


，很全 
     
     
     
  ，都可以用 




 




 




 


。

下载地址：Anaconda | Individual Edition

 （2）

 第二步：下载安装CUDA11.3

cuda： Compute Unified Device Architecture

   




   




   




   
，是一种有NVIDIA推出的通用并行计算架构 



 



 



 



， 该架构使GPU能够解决复杂的计算问题   

   

   

   

。 cudnn： 是NVIDIA 推出的用于深度神经网络的GPU加速库                  ，他强调性能


    




    




    




    ，易用性和低内存开销

     

     

     

   。 cuda和cudnn的关系： cudnn是基于cuda架构开发的专门用于深度神经网络的GPU加速库
  




  




  




  

。cuda可以理解为一个大的商圈



















，但这个商圈是空的                  ，还未装修  


  


  


  


。cudnn可以理解为装修后的房间


     



     



     



     ，例如负一楼专门针对游乐（深度神经网络）装修成大型游乐厂 
     
     
     
  。

详细了解可参考大神的文章

https://blog.csdn.net/u014380165/article/details/77340765

查看对应版本的CUDA


















，这部非常关键！！！请一定要重视   
    
    
    
，避免之后多次重装

   




   




   




   
。

（1）首先查看自己电脑GPU版本

方式一：搜索框输入nvidia


     


     


     


    ，打开nvidia控制面板

方式二：win+R打开cmd 




 




 




 


，输入nvidia-smi

nvidia-smi

 可直接查看自己可安装的最高版本的 CUDA版本   

   

   

   

，我的电脑是 CUDA11.6 



 



 



 



。

（2）根据这个链接查看自己对应的cuda版本

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 

CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive

接下来

     

     

     

   ，我们来下载这个CUDA
  




  




  




  

，这里选择的版本不能高于你的显卡驱动里面那个版本号  


  


  


  


，由于我的是11.6 
     
     
     
  ，且系统是win11

   




   




   




   
，所以我这里选择的是11.5

双击运行下载好的CUDA的exe文件 



 



 



 



，安装时不需要更改路径                  ，这个是压缩包提取的暂存的文件夹


    




    




    




    ，不是最终路径



















，这里不需要更改                  。

 （3）安装

选择自定义安装后                  ，取消勾选 Visual Studio


     



     



     



     ，原因安装耗时较长


















，也可不需要


    




    




    




    。后面的路径也不需要更改



















。

 这里与其他安装方法不同的是   
    
    
    
，我没有安装 cudnn


     


     


     


    ，也没有配置 path  




 




 




 


，但是同样也安装成功                  。

打开 Anaconda prompt 命令   

   

   

   

，输入命令：

nvcc -V

查看 CUDA11.3是否安装成功


     



     



     



     。安装成功即可如下所示


















。

第三步：下载GPU版本下的pytorch和pytorchvision

这里我没有选择直接命令安装

     

     

     

   ，因为安装失败的概率较高   
    
    
    
。我选择的是下载安装包
  




  




  




  

，再在anaconda里下载whl文件


     


     


     


    。

（1）查看自己的python版本  


  


  


  


，还是在 Anaconda prompt 命令 
     
     
     
  ，输入 python

   




   




   




   
，我的 python 版本是3.9.12：

 （2）不使用命令行下载 pytorch 的下载链接为：

https://download.pytorch.org/whl/torch_stable.html

里面的文件是cpu开头的是 CPU 版本 



 



 



 



，cu开头的才是我们要下载的GPU版本 




 




 




 


。

这里可参考 torch 和 torchvision 的对应图                  ，以免下错对应版本


    




    




    




    ，这里我选择的是红色圈内的



















，根据自己需求下载   

   

   

   

。

在下载链接里找到的是下载的1.10.0 版本的 torch 和 0.11.1 版本的 torchvision                  ，我的 python版本是3.9


     



     



     



     ，注意后面对应的 win 和 linux：

 （3）下载后放在同一目录下


















，我在d盘新建文件夹 CUDA-python   
    
    
    
，放在了D:\CUDA-pytorch下：

（4）在 Anaconda prompt 里 cd 到你下载好 torch 和 torchvision 的目录下


     


     


     


    ，输入：

pip install “文件名    
    
    
    ” 




 




 




 


，torch 和 torchvision 安装方法一样

     

     

     

   。如：

torch==1.10.0+cu113的包大概有2.27G   

   

   

   

，比较耗时
  




  




  




  

。下载完成后切换到下载目录

     

     

     

   ，使用pip命令安装  


  


  


  


。

（5）检验方法
  




  




  




  

，输入命令：

pip list

后能看到：

（6）安装完成后使用下面命令查看torch安装结果 
     
     
     
  。

在 Anaconda prompt 里 import导入 torch 和 torchvision库  


  


  


  


，然后使用命令：

>>> import torch >>> torch.cuda.is_available() True >>> torch.cuda.get_device_name(0) NVIDIA GeForce RTX 3070 Ti Laptop GPU

第四步：验证以上步骤全部安装成功

跟着这张图上去打开cmd输入 python 
     
     
     
  ，以下步骤：

 最后得到的是 Ture 说明全部安装已完成

   




   




   




   
。