CUDA配置及Pytorch-GPU安装教程
CUDA配置及Pytorch-GPU安装教程
CUDA（Compute Unified Device Architecture）是NVIDIA推出的通用并行计算架构，可以让GPU解决复杂计算问题。PyTorch是一个开源的机器学习库，支持GPU加速，可以显著提升深度学习模型的训练速度。本文将详细介绍如何配置CUDA并安装PyTorch-GPU版本。
1. 查看电脑显卡驱动版本
a）按WIN键和R键，调出系统的运行窗口
b）输入cmd，回车
c）进入命令行窗口后，输入：nvidia-smi，查看版本信息
如图所示，本机的Driver Version: 555.85，CUDA Version: 12.5
2. 下载CUDA Toolkit和cuDNN
a)查看驱动版本对应表格(https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html)，由1.c知道本机Driver Version: 555.85>=555.85
b）CUDA Toolkit：在官网(https://developer.nvidia.com/cuda-toolkit-archive)选择适合自己电脑的版本下载（由1.c可知本机CUDA Version: 12.5（具体是12.5.51，这个可以在NVIDIA控制面板-帮助-系统信息-组件处查看），版本>=CUDA Toolkit 12.5.0，所以我下载的最新版本CUDA Toolkit 12.5.0）。
c）点击对应版本后，会进入下一个页面，操作系统（Operating System）选择Windows，构架（Architecture）选择x86_64，版本（Version）选择11，安装类型（Installer Type）选择exe（local），然后点击下载按钮。
d）下载完成后双击安装，一路同意或者确认即可，选择自定义安装（第一个选择路径无所谓在哪，只是提供解压路径，安装完成后会自动删除，第二个路径是安装的位置，可以自己修改，但是需要记住安装位置。
e）cuDNN：在官网(https://developer.nvidia.com/rdp/cudnn-archive) 下载对应的版本（因为上面安装的为CUDA12.5，所以选择对应的CUDA12.x），点开后选择第一个下载（注意，这个下载需要登陆NVIDIA账号，自己注册一下）。
f）下载完成后解压，按住Ctrl键+C键，复制文件夹内的如下三个文件夹
g）找到上面安装位置（默认路径应该是C:\Program Files\NVlDlA GPU Computing Toolkit\CUDA\v12.5，这里我设置的路径为D:\NVIDIA\CUDA\v12.5）对应的文件夹，按Ctrl键+V键粘贴，确认替换。
h）回到之前的命令行窗口，输入：nvcc -V（注意中间有一个空格），出现如下信息，表示安装成功。
3. 创建虚拟环境
a）根据“NOTE: Latest PyTorch requires Python 3.8 or later.”，创建一个python3.8以后的环境
b）打开Anaconda Prompt，输入：conda create -n pytorch python==3.11（这里我设置虚拟环境名称为pytorch，指定python版本为3.11）
c）中间过程如下，输入：y并点击回车，开始创建虚拟环境
d）创建成功
4. 安装pytorch-gpu
a）在Pytorch官网(https://pytorch.org/)首页，往下滑，选择对应选项，复制方框内的命令
b）打开Anaconda Prompt，输入：conda activate pytorch，以激活pytorch虚拟环境，此时可以看到前面括号内的base变成了pytorch。
c）粘贴刚才复制好的命令，慢慢等待下载安装即可。
5. 检查
a）打开Anaconda Prompt，输入：conda activate pytorch，进入虚拟环境
b）输入：python，进入python代码模式
c）导入torch，输入：import torch
d）输入：torch.cuda.is_available()
e）结果显示True说明安装成功。