cuda11.3对应的pytorch清华源（Windows端CUDA11.3+CUDNN+pytorch环境搭建）

1
  
  
  
  
  
  
  
 、显卡驱动的安装

最近              ，在学习pytorch深度学习  
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，遇到很多的坑














，环境配置也出现过问题
  
  
  
  
  
  
  
，忍不住和大家进行分享  
  
  
  
  
  
  
 ，现在把环境搭建过程分享给大家
  
  
  
  
  
  
  
 。

1.1 
  
  
  
  
  
  
 、查看自己的显卡 
  
  
  
  
  
  
 。

具体操作：我的电脑-——属性——设备管理器——显示适配器

1.2 


 


 


 


 


 


 


 
、驱动的下载
 
 
 
 
 
 
 
、安装 


 


 


 


 


 


 


 
。

在找到自己的显卡后
 


 


 


 


 


 


 


 ，去NVIDIA官网下载安装驱动

 选择自己的显卡类型
 
 
 
 
 
 
 
，如果你是GTX显卡   
   
   
   
   
   
   
 ，有可能只能选择Game Ready
 

 

 

 

 

 

 

 ，区别很小

 

 

 

 

 

 

 
，能用就行

1.3  
   
   
   
   
   
   
  、显卡驱动安装检测

win+R 输入cmd  打开窗口后输入：nvidia-smi

 如果成功显示显卡数据               ，恭喜
 
 
 
 
 
 
 
。右上角的11.6
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，说明我的显卡驱动最高支持11.6的cuda  
   
   
   
   
   
   
  。但我肯定不能安装11.6














，因为pytorch最高才支持11.3 

 

 

 

 

 

 

 
。

2 

 

 

 

 

 

 

 
、CUDA11.3下载安装

CUDA官网

在这里先等一下                      ，博主当时下载好10.2的CUDA然后打开torch的官网后 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，发现;

 CUDA10.2现在竟然不能够在Windows上安装了






















，我只好又重新下了一个CUDA11.3

 

 

 

 

 

 

 
。

下载完后              ，开始安装  
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，这是我安装10.2的过程














，这个无所谓
  
  
  
  
  
  
  
，默认的话  
  
  
  
  
  
  
 ，一路nest就行               。

 也可以自己选安装位置
 


 


 


 


 


 


 


 ，建议不更改
 
 
 
 
 
 
 
，设置环境变量要用的 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。

搜索——系统变量—环境变量

 安装完毕会出现两个新的环境变量 CUDA_PATH和CUDA_PATH_V11_3但仍需要添加以下几个环境变量   
   
   
   
   
   
   
 ，系统默认安装路径：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3

添加以下五个变量到环境变量中：

CUDA_SDK_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3

CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

CUDA_BIN_PATH=%CUDA_PATH%\bin

CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64

之后在
 

 

 

 

 

 

 

 ，系统变量Path的末尾添加：

 %CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

添加以下五个：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64

 

3

 

 

 

 

 

 

 
、CUDNN安装

CUDNN要与CUDA版本匹配：官网

压缩后的3个文件

将这三个文件放入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

 

 

 

 

 

 

 
，若修改路径了               ，则找到自己的路径














。

CUDA检测

win+R--cmd--      nvcc-V

 4               、pytorch安装

 创建一个新的anaconda环境
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，以防万一把自己的base环境搞崩了














，cd到你的环境中然后输入图中                      ，conda install......这一行                      。

检测安装：

# 依次输入 import torch torch.cuda.is_available()

 显示True表明下载完成 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，可以开始你的深度学习之旅了！