目录

  • 安装CUDA
  • 先看看电脑显卡是否支持
  • 安装相应版本的CUDA
  • 下载cudnn
  • pytorch
  • 在线安装pytorch GPU版本
  • 离线安装pytorch GPU版本
  • 修改


安装CUDA

先看看电脑显卡是否支持

  • 先看看自己的电脑是不是N卡，搜索设备管理器。


    可以通过英伟达官网检查自己GPU能否支持CUDA，这里给大家截取了一部分可以支持CUDA的显卡
    链接：https://developer.nvidia.com/cuda-gpus

安装相应版本的CUDA

  • 下面看看显卡推荐什么版本的CUDA
  • 控制面板->NVIDIA设置->帮助->系统信息->组件->3D设置
  • 下载适合自己系统的CUDA，网址：
  • 安装过程没有难点，不具体说了，只说一点，可以不用安装在C盘，另外它三个文件夹，你E盘新建一个CUDA文件夹，里面放三个文件夹，然后安装的时候把它们的路径填上就可以了。

    注意：选自定义

    按这个方式勾选：
  • 环境变量会自动写入，用下面的方式检验：

下载cudnn

  • cudnn要匹配CUDA的版本，下载地址如下：
    https://developer.nvidia.com/rdp/cudnn-download
  • 注册一个英伟达用户，或者使用QQ登录就行，然后下载。
  • 下载的是一个压缩包，完事之后：
    将每个文件夹下对应的文件复制到CUDA对应文件夹下。
    CUDA的路径就在刚才新建的三个文件夹中的一个，我记得是最后一个。反正进去看看就知道了。

    别弄反了哈，是将cudnn的文件夹里的文件拷贝到cuda文件夹里。，他会自动合并同名文件夹，放心复制就行。

pytorch

  • 我假设你已经安装了anaconda了，这个很好安装，具体教程不写了。
  • 新建个pytorch的虚拟环境吧，养成建立虚拟环境的好习惯。
    在anaconda命令行里输入下面代码，先建立一个python3.6的虚拟环境
conda create -n pytorchEnv python=3.6

环境名字是pytorchEnv

  • 往anaconda添加一些镜像，如果已经添加了就忽略这一步吧！
查看目前的镜像
conda config --show

添加镜像——复制路径，在cmd中右键粘贴
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config –-add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

换回之前的源（不运行，仅记录）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

在线安装pytorch GPU版本

activate pytorchEnv

然后直接安装

conda install pytorch torchvision torchaudio cudatoolkit=10.2

注意去掉-c pytorch，表示不从官方地址下载，而是使用镜像，更快。

  • 上面的方法百分之八十会超时，先尝试增大等待时间来解决这个问题：
    命令行直接输入:
conda config --show

看看默认是等待多久：

conda config --set

然后输入

conda config --set remote_connect_timeout_secs 600
conda config --set remote_read_timeout_secs 600

再尝试，我估计还会报错，比如：
CondaError: Downloaded bytes did not match Content-Length
说明调的等待时间不够大，调到10000

conda config --set remote_connect_timeout_secs 10000
conda config --set remote_read_timeout_secs 10000

大概率还会报错，放弃这种方法。太麻烦，但是它有一个好处，它一般只有pytorch包是下载失败的，其他包比如torchvision都能下载好，咱们可以从命令行看到是不是这样，看它是不是提醒你只下载pytorch包，一般都是，咱们直接使用第二种方法。

离线安装pytorch GPU版本

conda install --offline E:\pytorch????.tar.bz2

然后还没完，之前我们说过只剩pytorch包没有下载了，确实，但是其他已经下载的包也还没有安装呢！安装是一起安装的，只是下载好了，所以咱们再次执行官方代码：

conda install pytorch torchvision torchaudio cudatoolkit=10.2

这次不会下载pytorch了，会直接安装所有包，安装完之后就完事了。

  • 不出意外的话，命令行下执行python，然后import torch，然后torch.cuda.is_available()查看就是True了，表示GPU可以使用，完事。

修改