安装anaconda 和cuda+cudnn教程

---

 安装anaconda

 进入官网https://www.anaconda/products/individual

1：点击Download

2：选择python3.8的64bit的版本进行下载

3：运行下载的文件

4：点击“I Agree”

5：选择all users

6：选择你要装的路径（我这里就选D盘）

7：这里注意一定要勾选第一项，添加到path环境，否则后面再添加会很麻烦

8：下面直接安装，最后结束安装

9：检查是否安装成功，按win+R打开命令窗口输入conda，出现下面的结果表示成功

安装cuda

1：查看安装PyTorch的官网界面https://pytorch/get-started/locally/ ，发现支持10.2和11.1的版本下载（这里选择下载10.2的下载）

2：下载CUDA10.2，CUDA10.2下载网址：https://developer.nvidia/cuda-10.2-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

按下面一样勾选

 

3：local下载

4：运行下载的执行文件

点击ok等待下载

5：同意并继续(一路继续不用管)

6：验证是否安装成功

打开安装文件夹，我的路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

进入bin目录，复制我的bin文件夹的路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin

进入命令窗，切换到目录下：cd 你的路径+回车

执行nvcc -v指令，看到如下结果说明安装正确

 

下载cudnn

1：网址：https://developer.nvidia/cudnn （注意需要注册才能下载）

2：下载对应版本的cudnn

3：解压下载文件，打开文件在打开cuda文件

4：复制bin ,include,lib文件夹，粘贴到C盘的cuda安装目录下

5：进入demo文件夹（在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite），执行两个程序检查是否安装成功

在命令窗中切换到这个文件夹目录：cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite

输入bandwidthTest.exe回车，出现下面结果表示安装成功

输入deviceQuery.exe回车，成功

 

ok，回到pytorch界面，我们可以看到这个网址，去网址下载whl文件在进行安装会更快点

下载cuda=10.2,torch=1.5.1,python=3.7版本以及cuda=10.2,torchvision=0.6.1

 

配置虚拟环境

打开pycharm（没有的可以自行安装）新建一个python 项目命名hello pytorch

再新建一个python文件同样命名为hello pytorch

输入代码：

import torch
print("hello pytorch {}".format(torch.__version__))

运行报错没有torch工具包，因为我们还没有安装pytorch

现在我们用conda创建一个虚拟环境，在虚拟环境里安装pytorch

首先打开terminal，输入conda create -n pytorch_gpu python=3.7回车

激活虚拟环境：conda activate pytorch_gpu

打开我们下载那两个whl文件的目录，复制路径:E:\torchvv，我是下载在E盘的torchvv文件夹里

用命令行切换到这个目录下

pip安装命令：pip install "torch-1.8.1+cu102-cp37-cp37m-win_amd64.whl"

同样 pip install "torchvision-0.9.1+cu102-cp37-cp37m-win_amd64.whl"，成功！

将配置好的虚拟环境关联到pycharm

点击add，选择existing environment选择环境的python.exe，然后ok

运行代码，结果如下，成功安装

代码中再添加一句 print(torch.cuda.is_available())运行返回一个布尔变量True则表示cuda安装成功

print(torch.cuda.is_available())