一. 查看是否有gpu

打开cmd 输入nvidia-smi
是以下这种情况的就是有gpu

没有gpu的话就会报错

下载安装cuda以及cudnn安装cpu版本可以跳过此步骤直接进行pytorch的安装

下载cuda

看清楚两个箭头指的地方 一个是11.3.0 一个是日期 后面下载cudnn的时候也要下载同样日期的

点进去之后按照如下的点击进行下载

安装cuda

下载好之后点击运行
按照默认的路径安装


然后选择精简安装 然后就一直点击继续 next的这种就可以了 安装完成之后关闭

测试cuda是否安装

打开cmd 输入 nvcc -V 显示版本号即成功

环境变量的配置

安装cuda之后
下面两个环境变量的配置会自动配好如下

在环境变量的path中添加如下

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64

安装cudnn

cuda版本是 11.3 发行日期是 21年4月 那么cudnn的也要对应 下图中的那个

下载得到的是一个压缩包

• 将压缩包解压 得到四个文件
• 将四个文件全部复制 到cuda的安装地址
• 一般来说都是这个地址 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

对cuda以及cudnn进行测试

• win+r打开命令行窗口
• 进入CUDA安装目录下的子目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite
• cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite这个命令即可进入
• 依次输入.\bandwidthTest.exe.\deviceQuery.exe测试

结果如下

说明cuda目前安装成功

pytorch的安装

cpu安装

输入pip3 install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

https://pypi.tuna.tsinghua.edu.cn/simple   torchaudio是音频方向不需要可以不下载

这个是清华的镜像源 加上速度会比较快推荐这种做法很方便

至此pytorch的cpu已经安装完成

gpu安装

我这里的做法是进行离线安装 安装pytorch不下10次个人感觉离线安装是最容易快速的

下载torch

下载地址

参数说明

• cu表示cuda版本 113即11.3版本 torch后面的是torch的版本 cp后面的python的版本
• 一切都要对应起来

版本对应情况如下
例如我这里选择的是pytorch 的1.10.1版本 那么torchvision就只能下载0.11.2版本

torchvision下载如下
用的是torch的1.10.1版本 因此需要下载torchvision的0.11.2版本

如下所示

进行安装

打开激活环境
进入到上面两个文件的下载位置
用下面两条命令

pip install torch-1.10.1+cu113-cp38-cp38-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install torchvision-0.11.2+cu113-cp38-cp38-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

附带清华源的原因是因为会下载一些附带包例如numpy之类的 所以加上会更加快速一点

测试

看到true即可成功

有不会的或者有问题的可以放评论或者私信看到都会回的