win10+NVIDIA geforce gtx 960M+cuda9.0+cudnn7.1+pytorch_1.1.0+torchvision_0.3.0---已解决

今天折腾了一天，终于是把它折腾出来了，可能真的是自己太菜了，废话不多说，简单记录一下。

配置

1. 系统 ：win10
2. python版本 ：3.7.3
3. 显卡 ：NVIDIA geforce gtx 960M
4. 安装cuda版本 ：cuda9.0
5. cudnn版本 ：cudnn7.1
6. pytorch版本 ：pytorch_1.1.0
7. 编译工具：pycharm

安装步骤

1.安装cuda

（1） 首先检擦自己电脑显卡是否支持cuda，这一点网上有很多，没啥营养，大致就是打开设备管理器，点击显示适配器，然后找到自己的显卡，查看是否安装NVIDIA显卡。若安装，在桌面右键打开NVIDIA控制面板，点击右下角的系统信息，点击组件，在列表中查看自己显卡可支持的cuda版本，如图：

也可以对照这个表（NVIDIA也给出了对应关系：传送门）查找可以安装的cuda toolkit的版本（比如我的程序版本号是385.54，因此选择cuda9.0）。
注意，这个驱动是向下兼容的，因此这也决定了其可安装的最高版本。

（2） 下载cuda
从NVIDIA的官网下载对应版本的cuda toolkit，传送门。
并进行以下选择进行下载：

（3） 安装cuda，双击.exe安装包。

会进入安装界面：

选择同意并继续。
之后弹出安装选项，选择自定义模式

并选择默认勾选的驱动程序组件，点击下一步

选择默认安装位置进行安装

之后就是漫长的等待安装时间，大部分的人都会弹出这个框框，表示安装成功。

然而，重点来了，也有不幸运的人，比如说我，会显示安装失败，一般会提示Visual studio integration安装失败，其实原因有很多，需要自己尝试，列举相关的解决办法：

1. 多尝试几次安装，可能会有成功的可能性；
2. 在自定义阶段选择驱动程序组件时，将CUDA中Visual studio integration前面的对勾去掉进行安装，安装过后尝试单独对CUDA中Visual studio integration进行安装或者直接整体再重装，多尝试两次，网上有很多人都是试了好几次成功的；
3. 如果上边的方式没能解决你的问题（跟我一样的情况），尝试使用我使用的方法：因为每次系统更新可能会跟着更新NVIDIA显卡的驱动，这可能会导致我们在安装cuda时其不能正常安装，因此需要从新安装NVIDIA的显卡驱动，注意：敲黑板，千万别用其它第三方软件进行安装，可能装完还是不能用，从官网上下载或者直接删掉原来的文件，破坏现在装好的驱动，因为下载的CUDA安装包中包含显卡驱动，所以我是进行删除的，操作步骤：
   1. 打开计算机中的“服务”，停止所有与nvidia相关的服务（应该是有四五个，我从服务里关了四个，从“详细信息”里关了一个）；
   2. 删除C:\ProgramData, C:\Program Files, C:\Program Files(x86)中和NVIDIA相关所有文件夹（必须删除干净）；
   3. 打开CUDA进行安装（显卡驱动会同时安装，不需要另外安装），至此问题解决。
      应该会成功安装，检查一下：
      
      如果还是不能，就只能在试试其它办法了。

2.安装cudnn

cuda安装完成之后，还需要下载与CUDA对应的相应版本的cuDNN，到下图所示的下载页面，下载完成后，将这个压缩包里的所有文件放到CUDA10安装目录相应文件夹下即可。步骤：
下载地址：传送门
注意：以上链接，初次登陆需要注册账号。

下载之后，

(1)解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；

(2)分别将cuda/include、cuda/lib、cuda/bin三个文件替换掉C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9对应的include、lib、bin文件即可。

添加环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9\lbin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9\linclude
此电脑→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。

至此cuda和cudnn安装完毕。

3.安装pytorch-gpu

（1） 首先创建虚拟环境：
win+R 输入cmd，输入：

conda create -n pytorch-gpu python==3.7.3

完成名为pytorch-gpu的虚拟环境创建，可以输入以下命令查看计算机中虚拟环境的情况：

conda env list

而后激活虚拟环境，输入以下命令：

conda activate pytorch-gpu

（2） 安装gpu版本pytorch
激活虚拟环境后，在当前环境下安装gpu版本pytorch。
首先要查看cuda9.0适合的pytorch的版本，传送门。
点进链接之后，查找CUDA 9.0 可以安装的最高版本的pytorch和torchvision的安装口令，比如我找的是：

# CUDA 10.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch

在pytorch-gpu虚拟环境下输入以上口令进行pytorch和torchvision的安装，这个口令是直接从官网下载，如果网络允许应该能够安装成功。

但是，我发现我的安装的很慢（有人说提前设置好镜像地址，而后将-c pytorch去掉会安装的很快，但是我没有成功），由于过程中会安装一些其他的必须的工具包，一些小的工具包还能正常安装，但是一些稍微大一点的安装包就无法安装，其中主要是pytorch和torchvision两个包。

于是我想尝试离线安装，做法是：当碰到这两个包在安装时直接ctrl+c强制终止，而后在安装信息中找到对应的文件名称，从这个国内镜像网站中找到对应的文件进行下载。我下载的是：(如果是其它工具包安装缓慢，也可以使用此方法进行安装)
pytorch-1.1.0-py3.7_cuda90_cudnn7_1.tar.bz2
torchvision-0.3.0-py37_cu90_1.tar.bz2

而后在pytorch-gpu虚拟环境下cd到这个文件的保存位置进行安装，输入：

conda install --offline pytorch-1.1.0-py3.7_cuda90_cudnn7_1.tar.bz2
conda install --offlin torchvision-0.3.0-py37_cu90_1.tar.bz2

从而完成对pytorch和torchvision的离线安装。
还没有结束，离线安装好后，还是需要重新利用conda来在线安装一次，要用它来对相关的包来进行在线匹配(也就是根据安装好的pytorch来匹配那些对应的好多库，不是说再下载一遍pytorch)。
但是一定要注意了!!!
在利用官网代码时conda install pytorch torchvision cudatoolkit=9.0 -c pytorch一定要删掉后面的-c pytorch，因为它代表直接从官网去下载，不会与本地安装好的匹配，还会全部重新下载。所以改成：conda install pytorch torchvision cudatoolkit=9.0它就会自动匹配之前离线安装好的东西，然后匹配相关的库的等级、版本之类的。

至此安装完毕，检验是否安装成功：
在pytorch-gpu虚拟环境中输入：

>>python
>>import torch
>>print(torch.cuda.is_available())

效果图如下：

输出为Ture，表示安装成功。

4.配置虚拟环境

使用的工具是pycharm，在pycharm中使用conda虚拟环境pytorch-gpu。
将自己创建的conda虚拟环境pytorch-gpu添加到pycharm的interpreter可选列表中：

1. 在pycharm新建工程，或在files->settings->project:->project interpreter界面，可以设定project interpreter;
2. 新建工程界面，选择Existing enviroment，点击…按钮，会弹出添加界面;
3. settings界面，点击齿轮按钮，选择Add，会弹出添加界面;
4. 在添加界面左侧选择Conda Environment，右边选择Existing environment，再点击…按钮添加一个已经存在的conda虚拟环境，即刚刚构建的pytorch-gpu。

使用已经添加进来的虚拟环境pytorch-gpu，在interpreter列表中选择刚刚添加的nterpreter。

至此全部完成。

写的有点乱，能力有限，记录一下，希望能够帮到你。