博主已有：Pycharm+Anaconda

通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)

import torch print(torch.cuda.is_available()) print(torch.__version__) print(torch.version.cuda) True 1.8.0 10.2

目录

1.确定自己电脑有无显卡

2.确定显卡支持的cuda最高版本

​3.下载安装cuda

4.安装cuDNN 

5.安装Pytorch(重要！易踩坑！）

6.pycharm切换不了环境问题

7.总结

    今天是三月1日    
    
    ，开学的第一周     


     


     


，这个学期准备进军深度学习




 




 




，主打的框架就是PaddlePaddle和Pytorch
   

   

   ，PaddlePaddle都好说     

     

     

，有线上的Aistudio 




  




  




，头疼的是Pytorch

  


  


  ，作为深度学习最经典的框架     
     
     
，肯定是必学无疑的    
    
    。学习Pytorch  




   




   




，第一步就是配置环境


 



 



 ，gpu和cpu的pytorch代码完全是两个东西               ，我之后想的是代码写好用云服务跑   




    




    




，所有代码得用gpu版本的













，所以本地的Pytorch必须得是Gpu写的     


     


     


。实话实话               ，这中间我遇到了很多坑    



     



     



，所以我才想写这篇博客














，帮大家以最快速的方式配制好深度学习的环境    
    
    ，话不多说     


     


     


，请看教程：

1.确定自己电脑有无显卡

搜索框搜索设备管理器进入




 




 




，向下查找找到显示适配器： 

nvidia开头的即为电脑的显卡
   

   

   ，我这里是MX450




 




 




。

2.确定显卡支持的cuda最高版本

打开windows搜索框     

     

     

，搜索nvidia control panel 




  




  




，点击nvidia control panel进入：

点击系统信息：

点击组件

  


  


  ，查看自己显卡支持Cuda最高版本     
     
     
，我这里最高支持11.1.96  




   




   




，所以我安装11.1.96以下版本的cuda都可以


 



 



 ，在本篇博客中               ，安装的是10.2版本
   

   

   。

 3.下载安装cuda

进入cuda官网：cuda官网

下载10.2版本的cuda   




    




    




，点击进入：

依次选择Windows













，x86_64               ，10(win11系统可以兼容win10版本的cuda）    



     



     



，local版本














，网络版经常安装不成功     

     

     

。报错：nvidia安装程序无法继续未成功完成下载 




  




  




。

 Download下载base installer    
    
    ，下面两个是补丁     


     


     


，可以下载也可以不下载




 




 




，本篇博客没有下载

  


  


  。 

装补丁1(发布于2020年8月26日
   

   

   ，选装)此修补程序解决了CUDA 10.2中捆绑的cuBLAS库中的一个问题     

     

     

，该问题在罕见的极端情况下导致数据无提示损坏     
     
     
。 补丁2(发布于2020年11月17日 




  




  




，选装)此修补程序解决了cuBLAS库批处理的GEMM APIs中的一个问题

  


  


  ，该问题在混合精度和快速数学的大批量计数的罕见情况下     
     
     
，导致数据无提示损坏  




   




   




。

之后按照指示安装就可以了  




   




   




，在安装选项时选择自定义安装：

 我没有改选项


 



 



 ，直接下一步安装成功               ，如果出现问题可以看这篇博客：win10/win11+NVIDIA MX350笔记本自带显卡+CUDA10.2+Python3.6+Anaconda3从零开始配置深度学习环境

这里注意要将安装位置记录下来   




    




    




，之后安装cuDNN时候会用到：

 等待一段时间













，之后检验一下是否安装完成               ，win+r    



     



     



，输入cmd














，在窗口中输入nvcc -V

出现上述信息即为安装成功    
    
    ，注意nvcc -V的V需要大写     


     


     


，中间有个空格


 



 



 。

4.安装cuDNN 

在英伟达的官网下载与cuda版本相应的cuDNN版本




 




 




，官网链接为：cuDNN

 点击download cuDNN
   

   

   ，中间会让你填写个人信息     

     

     

，按照表格规范填写就可以了               。

 点击历史版本

 下载匹配cuda10.2的 




  




  




，也就是8.5.0这个版本：

下载下来时是一个压缩包

  


  


  ，解压     
     
     
，将cudnn文件夹里面的bin    
    
    
、include


     


     


    、lib文件直接复制到CUDA的安装目录下   




    




    




。这里的安装目录就是之前自定义cuda安装的位置：

5.安装Pytorch(重要！易踩坑！）

我大部分时间都花在安装这上面了  




   




   




，看了很多教程


 



 



 ，不管是conda安装还是pip安装               ，最终的torch都是cpu版本的！

当时真的是百思不得其解   




    




    




，以为是自己的操作问题













，不停的创建新环境               ，无论重装多少次    



     



     



，都一样














，torch.cuda.is_available()返回false！终于在在一篇博客中找到了答案：torch.cuda.is_available()返回false——解决办法

因为我被conda镜像安装给坑了













。我以为下载的是GPU版本    
    
    ，其实镜像下载的是cpu版本     


     


     


，所以我必须手动去官网用pip下载安装               。

接下来请按照我的步骤安装




 




 




，一步都不能错！

首先进入pytorch官网：Pytorch官网
   

   

   ，点击Get Started     

     

     

，点击install previous versions of Pytorch 




  




  




，查看历史版本

 找到10.2cuda对应的torch

  


  


  ，torchvision     
     
     
，torchaudio版本  




   




   




，记住这个版本号

pip install torch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1

需要用pip下载


 



 



 ，但是如果直接用pip指令在官网下载               ，速度非常慢导致torch下载失败   




    




    




，所有我们需要先下载.whl文件













，再在本地安装！

.whl文件下载地址：torch_stable

cpu开头的是cpu版本的               ，可以直接跳过    



     



     



，我们看 cu开头的














，cu102表示cuda10.2    
    
    ，cp38对应python3.8     


     


     


，按照需求下载就可以了    



     



     



。

如果没有对应的适配windows的文件包




 




 




，这时候就可以去下载和自己cuda版本适配的较低版本的torch的搭配
   

   

   ，记住版本号然后再去下载！

先用conda创建虚拟环境     

     

     

，win + R cmd进入控制台

conda create -n Pytorch-Gpu python=3.8 conda activate Pytorch-Gpu

在刚才的虚拟环境中安装之前下载好的.whl文件 




  




  




，先安装torch的.whl文件

  


  


  ，再安装另外两个














。

至此     
     
     
，Pytorch的环境就算安装完成了  




   




   




，可以在控制台进行测试！

win+R cmd 进入控制台


 



 



 ，先激活虚拟环境：

conda activate Pytorch-Gpu

 进入Python               ，导入torch库   




    




    




，查看cuda是否能用：

import torch print(torch.cuda.is_available()) print(torch.__version__) print(torch.version.cuda)

 True了













，说明已经成功安装了！至此Pytorch就算完成安装了    
    
    。

6.pycharm切换不了环境问题

我本以为完成上一步就算是打工告成了               ，现在虚拟环境已经能用了    



     



     



，只要用Pycharm选择这个虚拟环境就可以了














，但我万万没想到    
    
    ，这个虚拟环境怎么也切换不过去！如果你出现了我上述这种情况     


     


     


，那么可以借鉴我下面这种做法     


     


     


。

之前我们在cmd控制台能够正常运行




 




 




，那么在pycharm的终端也应该可以
   

   

   ，所有在Pycharm首先激活

再运行一下     

     

     

，True了 




  




  




，说明没问题了！ 出现这个问题可能是因为我在安装的时候选择的cuda版本超过了支持的cuda版本

  


  


  ，后面我也会重新创建一个环境再走一遍流程的！

7.总结

这篇博客可谓是良心制作！一步一步     
     
     
，自己感觉很详细  




   




   




，质量也很高


 



 



 ，算是对配置Pytorch深度学习环境的一个总结！大部分人想学编程都被配置环境劝退               ，这个过程 难免会遇到各种各样的坑   




    




    




，但也正是这些坑让我们不断成长！希望这篇博客可以帮助到你













，早日进军深度学习！