- Python
- CUDA
- CUDNN
- PyTorch
- 验证
Python
网上教程很多，不再赘述。版本根据自己需求来定，我选的是比我之前使用的python版本高但比最新python版本稍低的python3.9.9，图个稳定。在这个过程中唯一需要提醒的是把python路径自动添加到环境变量中勾选上，省去麻烦。后期验证也很简单，打开cmd直接试试python，print一下就行。【python下载】
CUDA- 查看本机显卡所支持的最高cuda版本，桌面右键->nvidia控制面板->左下角，点击【系统信息】->选择【组件】->第三行NVIDIA CUDA 11.2.xx；
- 下载CUDA, 我选择v11.2.2;
- 安装时，取消勾选CUDA子选项中的visual studio integration，这是我的惯例，以免出现安装失败；
- 安装完成后，查看环境变量中的 系统变量 是否包含cuda_path、cuda_path_11_2;
- 如下操作：win+R，cmd，nvcc -V，出现cuda信息即表明成功安装。
下载这家伙需要注册登录，自行解决(听说可以用迅雷下载，扔进去链接就行)，我自己用的学校邮箱注册的，长期用它下载python、matlab、pycharm等，不用白不用
- 下载cudnn, 对应cuda版本，选择v8.1.1;
- 复制cudnn下面三个文件bin, include, lib至cuda安装目录下，覆盖
- 添加环系统变量，在PATH中添加，详情参考：https://blog.csdn.net/jhsignal/article/details/111401628;
- 安装验证，网址：https://blog.csdn.net/jhsignal/article/details/111398427。可以概括为：打开目录C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.2extrasdemo_suite，在路径框内输入cmd后回车，在命令行里运行其中两个exe文件进行验证。
安装pytorch-gpu，兴高采烈地去下载发现没有适合的cuda==11.2的torch版本，于是选择了11.1版本，命令如下：
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
遇到问题：命令行里下载pytorch-gpu，始终在最后一刻失败，于是自己手动下载torch，地址就按照命令行给出的地址在浏览器下载，下载完成后在cmd执行: pip3 install "你存放.whl的地址"，等待片刻即可。
然后继续执行之前的命令（还没完呢）：
pip install torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
聪明的你一定发现了，这个命令中少了torch那部分，因为同样聪明的我 在前面已经果断手动安装成功了，此处只需要安装torchvision和torchaudio即可，速度很快，无报错信息出现。
验证- torch-gpu验证
- cudnn验证
验证后者的理由是：cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算
import torch import torch.nn as nn print(torch.cuda.is_available()) aa = torch.zeros([20, 3, 32, 32]).float().cuda() conv_layer = nn.Conv2d(3, 64, 3, 1, 1).cuda() out = conv_layer(aa) print(out.device, out.shape)
Output:
True cuda:0 torch.Size([20, 64, 32, 32])
收工。愈发熟练了啊，全部完成都不到一个白天
