CUDA安装

一、先检查电脑有无GPU

从"开始"中检索"设备管理器"——>"显示适配器"——>查看有无NVIDIA的GPU，或者win+R输入cmd在命令终端输入 nvidia-smi

CUDA Driver 版本是跟显卡驱动绑定在一起的，打开 GeForce Experience，更新显卡驱动（相当于更新 CUDA Driver 版本）

显卡对应的CUDA版本是12.3，这意味着所下载的CUDA Runtime不能高于CUDA Version的版本

我的是12.3，所以我最多下载到12.3这个版本。

因为CUDA Version最多只能支持到CUDA Runtime12.3这个版本

二、下载和安装CUDA

2.1下载CUDA

这个网站是历史CUDA版本都有的，选择一个你需要的版本就好

CUDA Toolkit Archive | NVIDIA Developer

2.2安装CUDA

下载完后，进行安装，安装路径可以修改。

1、继续

2、同意继续

3、精简——>下一步

4、next——next——>finish

5、 查询是否安装成功

在win+r输入cmd的终端或者Anadonda Prompt，或者VScode或者Pycharm的终端都可以输入

nvcc -V，来查看安装的CUDA信息。

nvcc  -V

CuDNN安装

CuDNN是深度神经网络的加速器，可以用来加速计算。先下载CUDA，后下载cuDNN！！！

官网提供的最新版本网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

cuDNN 历史版本

根据CUDA的版本来选择对应的cuDNN ！！！

根据CUDA的版本来选择对应的cuDNN ！！！

根据CUDA的版本来选择对应的cuDNN ！！！

 参考文章：

https://blog.csdn.net/xiaozhu_daidai/article/details/122156601

下载完成后，将者文件中的这三个文件复制到CUDA中即可。

虚拟环境的创建

一、VScode中

VScode安装

VScode的安装情参考这篇文章VS Code安装详细教程。

VScode汉化+

打开VScode窗口，找到扩展，安装图中画线的插件即可，重启会变为中文。（这种是最方便快捷的）。

VScode创建环境

        （1）首先打开文件夹，没有的话，可以新建，这里我新建了一个名为Step_pytorch的文件夹，并在改文件夹内创建一个python文件。

        （2）打开终端，并在终端中创建虚拟环境。使用 Anaconda 创建 Python 虚拟环境

conda create -n env_name python=3.9

                表示创建的虚拟环境的名字，并指定该虚拟环境的python版本为3.9

                出现 y/n 的时候，输入 y 即可。

conda create -n my_gpu_pyhtorch python=3.9

        终端一般打开时基础环境（base），如果您用的是anaconda的话，一般会自带一个python版本，这里创建虚拟环境是为了保持项目的环境独立，不会有冲突，你可以认为我们回家一定是要开门的，后面要去哪个房间（项目所需要的虚拟环境），房间的布置（版本）肯定会和你开门看到的（客厅或者院子——annconda对应的python版本）是不一样的。

 不知道我有没有解释清楚，打开后，会默认你在base环境中。

        右下角可以看到base的环境编码是GBK，python版本我的是3.12.4。

关于镜像换源提升下载速度的方法

（1）：找到 .condarc 文件，用记事本打开，在默认通道前插入镜像源，优先级是从上到下。

channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
  - defaults

show_channel_urls: true

（2）在Anaconda Promt 或者win+R，输入cmd的命令终端，输入以下代码（逐行复制），表示添加通道，这里以清华镜像源为例，第二行的意思是当你使用 conda install 安装包时，Conda 会显示每个包的来源 URL。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 

conda config --set show_channel_urls yes

进入所创建的虚拟环境，conda activate env_name

conda activate my_gpu_pyhtorch

二、Anaconda Prompt中

（1）先创建虚拟环境

conda create -n my_gpu_pyhtorch python=3.9

（2）激活环境

conda activate my_gpu_pyhtorch

Pytorch-GPU安装

在上面创建并激活虚拟环境 my_gpu_pyhtorch后，进入PyTorch网站，PyTorch的GPU版本下载

可以看到现在的PyTorch要求在Python3.10及以后得版本，没有关系！

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

把这里的126改为和刚刚安装的CUDA版本一致的就好。

不如说，你安装的CUDA是11.8，cuDNN的版本也是与之对应的，支持11.8

那么这里的PyTorch的GPU版本就是把126改为118即可！！！

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118

126表示的是12.6版本配套的，

118表示的是11.8版本配套的

注意：这里不要用镜像源，镜像源中的是CPU版本 ！！！

你可以用conda进行安装，conda 安装 GPU 版 PyTorch

安装完毕后，输入代码进行测试

# 验证是否安装成功
import torch
print(torch.__version__)
print(torch.cuda.is_available())

这是我的测试结果，说明我已经安装完成了1

2.7.1+cu118
True

我们也可以查看下当前GPU 的完整信息

# 查看GPU完整信息

import torch

print("完整的 GPU 信息:")
print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"CUDA版本: {torch.version.cuda}")
print(f"GPU数量: {torch.cuda.device_count()}")
print(f"当前GPU: {torch.cuda.get_device_name(0)}")
print(f"GPU内存: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB")

完整的 GPU 信息:
PyTorch版本: 2.7.1+cu118
CUDA可用: True
CUDA版本: 11.8
GPU数量: 1
当前GPU: NVIDIA GeForce RTX 3050 Laptop GPU
GPU内存: 4.0 GB

Pytorch-CPU安装

 （1）先创建虚拟环境

conda create -n my_gpu_pyhtorch python=3.9

（2）激活环境

conda activate my_gpu_pyhtorch

（3）pip或者conda安装

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple/

（4）验证即可

import torch
 
print(torch.__version__)

希望能够帮助到你