Pytorch（gpu），cuda，cudnn安装
- 第一步：查看自己电脑显卡支持的CUDA版本
- 第二步：查看pytorch对应cuda版本
- 第三步：CUDA下载安装
- 遇到问题：安装完之后法找到nvcc命令
- 第四步：cudnn下载安装
- 添加环境变量（比较玄学，有的需要，有的不需要），我的不需要，所以图是偷的
- 遇到这种情况不要慌，看说明需要在前面加上 `.\deviceQuery.exe`和`.\bandwidthTest.exe`,收获两个pass代表安装完成
- 第五步：安装pytorch
- 第六步：验证pytorch测试GPU是否安装成功
第一步：查看自己电脑显卡支持的CUDA版本
Nvidia-smi
注意：这里的11.7是电脑所能支持的最高版本
第二步：查看pytorch对应cuda版本
Pytorch官网查看对应版本关系
标注的地方为查看历史版本
注意区分CPU版本 和 CUDA版本，下错版本会出现GPU 返回 False
第三步：CUDA下载安装
我使用的是 pytorch 1.12.1 版本，所以需要 cuda 11.6 版本
提醒：cudatoolkit就是cuda
找到 11.6 版本
下载到指定的文件夹，运行exe文件
注意！！！：这个文件夹是临时文件夹，安装重启完之后会自动删除，所以后面文件安装不能在此文件夹内
这里的目录不能设置在刚刚的临时文件里面，不然白给
安装完成之后，查看系统环境变量
推荐两种方法:
第一种：按快捷键win+R后，输入sysdm.cpl
第二种：windowns搜索框搜索 环境变量
查看环境变量
重启电脑，重启完之后，cmd打开控制台，输入nvcc -V查看安装是否成功
注意:是大写 V
彩蛋：不想重启的 让环境变量立即生效的方法：
cmd进入控制台，输入set PATH=c，回车
输入 echo %PATH%，回车，返回 c
关闭窗口，之后再次进入控制台，输入echo %PATH%
这样新添加的环境变量已经生效了。
输入nvcc -V验证是否成功
遇到问题：安装完之后法找到nvcc命令
打开path路径，手动添加环境变量
每个人路径不一样
D:\python\Cuda\CUDA\bin
D:\python\Cuda\CUDA\libnvvp
第四步：cudnn下载安装
进入cudnn官网，你需要注册一个cudnn官网账号，有的直接登录即可
登陆完之后会出现这个页面
找CUDA 11.6 对应版本的cudnn，这里我选择的是 8.4.0
下载解压完之后，复制三个文件到指定文件夹，直接ctrl+c，ctrl+v，不用一个一个对应
添加环境变量（比较玄学，有的需要，有的不需要），我的不需要，所以图是偷的
需要的话，把刚刚三个文件夹的路径添加到path中
验证是否安装成功
进入cuda安装路径，D:\python\Cuda\CUDA\extras\demo_suite，找到deviceQuery.exe和bandwidthTest.exe
进入此目录下的控制台，运行deviceQuery.exe和bandwidthTest.exe
遇到这种情况不要慌，看说明需要在前面加上 .\deviceQuery.exe和.\bandwidthTest.exe,收获两个pass代表安装完成
第五步：安装pytorch
不用使用anaconda安装，太慢了，还总是失败
这里使用pip安装，版本号选择参考第二步
我这里只选择 pytorch 和 torchvision
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.12.1 torchvision==0.13.1 -f https://download.pytorch.org/whl/torch_stable.html静等安装成功
第六步：验证pytorch测试GPU是否安装成功
验证脚本是嫖的
import torch
flag = torch.cuda.is_available()
print(flag) # 返回true为安装成功
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
