文章目录
- 一、CUDA和CUDNN版本选择和下载？
- 二、安装CUDA和cuDNN
- 三、安装Pytorch
YOLO入门实例，运行在CUDA和Pytorch基础上，可供参考。
一、CUDA和CUDNN版本选择和下载？
查看自己电脑适应的CUDA版本，如下图，打开英伟达控制面板，左下角点击系统信息，后点击组件。
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
打开上面网址，来到下载页面，选择自己想要的版本，直接点击进入下载选择页面，根据自己的需求选择，最后一个选择本地的exe。
CUDNN下载地址: https://developer.nvidia.com/rdp/cudnn-download
CUDNN需要注册，才能下载，根据提示进行邮箱注册即可。注册完后登陆来到此界面将I Agree勾勾打上，点击左下角的Archived cuDNN Releases, 可以查看适配CUDA版本的cuDNN，对应下载即可。
我这里下载的CUDA11.3和对应的cuDnn。
二、安装CUDA和cuDNN
直接点击下载的cuda_11.3.0_465.89_win10.exe。推荐默认，这里不是安装后面可以改安装路径。
等待加载
等待检查系统兼容性，一般检测出来没问题。
点击同意并继续
这里我们选择自定义安装。
第一级只选择CUDA，然后CUDA下NSight俩个不勾。
选择安装位置，根据它官方的安装文件路径在我们想装的硬盘新建文件夹，注意请和它保持一致，
建好后换成对应的位置就行。
更换完安装路径后，点下一步安装就行，然后关闭。到此CUDA安装完毕。
接下来安装CUDNN，先解压文件。
解压完后，进入文件将这四个文件复制。
进入CUDA安装路径，NVIDIA GPU Computing Toolkit\CUDA\v11.3，将上面复制的四个文件粘贴进来即可。就算安装完成。
我们来验证CUDA是否安装成功。WIN+R cmd 打开命令框，输入nvcc -V 查看安装版本。如和下图显示一样就安装成功，如过显示命令不存在，就是没有加入环境变量，需要自己去添加。（按理说系统会自己添加环境）
CUDA_PATH : D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.3
CUDA_PATH_V11_3 : D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.3
上面俩个不用按照上面图来写路径，直接到V11.3就行，后面俩个如果没有自己加上就行
NVCUDASAMPLES_ROOT
NVCUDASAMPLES11_0_ROOT
三、安装Pytorch
提示11.3版本根据官网StartLocally的conda命令下载跑不了GPU，可能是我的原因。然后我用的市Previous Torch Versions下的 conda install pytorch1.11.0 torchvision0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch下载
Pytorch安装也要适配CUDA版本
进入Pytorch官网：https://pytorch.org/
点击install来到下图，根据自己的需求选择，第一个选Stable稳定就行，我下载是CUDA11.3，根据官方提示复制下面conda下载命令。打开Anaconda Prompt，切换到想要下载的环境中下载即可。记得切换虚拟环境。
验证torch是否安装成功，在安装环境下打开python依次输入一下命令，显示True则安装成功。
import torch
print(torch.cuda.is_available())
如果在跑算法模型时GPU没有利用上，可在Pytorch下载界面的previous Pytorch Vwesions改变合适版本。
我这里是运用的是yolov5的detect.py来测试，GPU成功运行。
欢迎大家评论区留言！
