Windows系统安装Pytorch 1.8.0 GPU记录

**

Windows系统下的Pytorch 1.8.0 GPU版本安装步骤记录

**

在此记录自己安装CUDA、cuDNN、Pytorch 1.8.0以及tensorflow 1.14.0的整个过程。

一、CUDA的安装

首先确定了自己的电脑是可以安装CUDA的，之后确定本机的一些相关配置，包括驱动版本、CUDA版本来下载对应的CUDA toolkit。菜单栏点击进入NVIDIA Control Panel，左下角点击系统设置查看相应的驱动版本和CUDA版本如下图：

一般而言，不同版本的CUDA要求不同的NVIDIA驱动版本，同时驱动版本要不低于CUDA的安装版本，具体的对照关系如下：

官方链接如下：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
所以满足驱动版本要求，直接下载官方的CUDA 11.2版本，下载链接为：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local
默认是最新版本的CUDA，为了下载自己想要的版本，鼠标滑到最底部，点击进入之前的版本，找到想下的11.2版本进行下载，如下：



下载之后对他进行安装就好了，安装不难，有别人的教程，自己找一下就好了，需要注意的一点是，在安装后会自动在高级系统设置中加入环境变量，如下所示：



检查CUDA是否安装成功，win+R进入cmd模式，在终端输入nvcc -V，成功的话会返回CUDA版本号，如下图所示：

二、cuDNN的安装

下载cuDNN，下载链接为：https://developer.nvidia.com/rdp/cudnn-download，它第一次使用需要登录NVIDIA开发者账户，注册一个并填写问卷就可以了，cuDNN的选择需和安装的CUDA版本相匹配，所以选择了11.2版本的，如下：


之后将下载的压缩包解压，将其中的lib、include、bin目录下的文件分别复制到之前安装的CUDA目录下的lib、include、bin文件夹里，一一对应，注意是复制目录下的文件到各自的目录下，不是替换，也不是复制文件。复制完之后需要添加一个环境变量，在高级系统设置里的系统变量下的Path处新建一个环境变量，输入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64进行添加，如下：

至此，cuDNN安装完毕。

三、Pytorch的安装

进入Pytorch官网：https://pytorch.org/
通过选择自己的系统类型、安装方式以及CUDA的版本可以得到对应的安装指令，我虽然CUDA版本是11.2，但我安装的是11.1指令，指令（在PyCharm终端输入即可）为pip install torch1.8.0+cu111 torchvision0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html


等待安装完成之后就可以使用了，之后进行简单的测试，相应的测试指令以及成功后的正确输出如下图所示：

四、TensorFlow的安装

TensorFlow我安装的是1.14.0版本的，因为之前的一些代码是在这个环境下跑的，它的一个安装需要注意的一点就是Python 3.8版本以上的是不支持TensorFlow1.14.0版本的，所以为了安装这个版本我把Python的版本降到了3.7版本，之后去到官网输入正确的指令进行安装就好了，我的指令是：pip install --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.14.0-py3-none-any.whl。