【一文搞懂

前言：

😊😊😊欢迎来到本博客😊😊😊

🌟🌟🌟 本专栏主要是记录工作中、学习中关于AI(Deep Learning)相关知识并分享。

😊😊😊 具体食用方式：可以点击本专栏【笔记目录】快速查阅您和我遇到的一样的问题、想查阅的知识以及其他相关问题。

🎁🎁🎁支持：如果觉得博主的文章还不错或者您用得到的话，可以悄悄关注一下博主哈，如果三连收藏支持就更好啦！这就是给予我最大的支持！😙😙😙

  工欲善其事，必先利其器！ 很多同学在配置深度学习环境的时候，踩过很多坑！尤其是在CUDA、cuDNN 和 PyTorch版本选择的时候一直装不对。下面就以笔记本RTX3050、CUDA11.7、PyTorch1.3.0为例，详细介绍安装过程。

  (1) 了解各组件

  (2) 组件之间的关系   通过一张图可以清除了解以上一些组件之间的关系：

简单介绍如下：

  【Nvidia Driver显卡驱动】：操作系统和硬件GPU进行沟通交互的程序，没有显卡驱动，GPU就是一个摆设，调用不起来。先装好驱动，电脑就能使用GPU，但是深度学习搞不定。

  【CUDA Toolkit工具包】：是基于驱动程序，用来实现GPU并行计算和加速深度学习的软件包。通过这个软件包，调用驱动，实现更加高级的功能。

  【cuDNN深度学习加速库】：是专门针对深度学习的GPU加速库，如果你要使用深度学习框架，这个是必需的。虽然也是CUDA Toolkit的组件，但是官方的下载包里面并没有，需要自己额外下载。

  【pytorch，tensorflow深度学习框架】：CUDA Toolkit并没有提供深度学习的框架，只是提供了如何高效调用GPU的软件库。如果你要创建深度学习模型，进行训练。还是要使用深度学习框架。

  【Nvidia官方下载的CUDA】：官方下载的CUDA Toolkit是包含了驱动的，并且联合到一块是称为CUDA的。 conda下载的CUDA：是不包含驱动的，但是高版本的驱动，是向前兼容的，可以下载相匹配的cuda toolkit，构成不同版本的cuda

  (3) 选择各个组件的版本   选择安装主要流程如下：

以下内容还请仔细阅读！

  显卡驱动一般电脑自带(预先安装好)，如果没有，可以到官方：链接。选择与自己本机显卡配置、操作系统等匹配的驱动下载：

  一般来讲是需要先确定CUDA版本，然后再按照后续流程确定其他配置版本。   那么如何选择一个CUDA版本呢，首先有一个原则，就是选择的CUDA版本不可以高于本机支持的最高CUDA版本。而本机支持的最高CUDA版本由显卡驱动决定，查看方式为：

  重点来了！！！   下表总结了目前最新版本的CUDA、PyTorch、torchvision、显卡算力以及python版本对应：

  显卡算力详见官网：链接

  接下来就是CUDA(CUDA Toolkit下载安装)：官方链接。

  (1) 进入官网选择对应版本

  最新版本下载

  旧版本下载：链接

  (2) 安装   1.点击下载的.exe文件，选择安装位置【此位置临时使用，后面会自动删除】。

  2.等待安装完成。

  3.检查系统兼容性。

  4.继续。

  5.同意并继续。

  6.自定义。

  7.组件可全选，仅选第一个也可。

  8.点击“下一步”，默认位置即可。

  9.等待安装。

  10.下一步。

  11.安装完成。

  (3) 检查是否成功

  1.查看环境变量是否添加。

  2.命令行分别打出如下命令后，显示如下，则说明安装成功。

  cuDNN【官方地址】，要注意的是，我们需要注册一个账号，才可以进入到下载界面。大家可以放心注册。

  (1) 进入官网选择对应版本

  以下图为例：

  (2) 下载解压、复制替换   下载完成后，将压缩包解压，将文件夹内的文件(bin/include/lib)，复制粘贴(替换)至CUDA安装目录下(默认地址)：

  拷贝时看到，CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，这里注意，不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。

  (3) 设置环境变量   现在应该可以理解，cuDNN 其实就是 CUDA 的一个补丁而已，专为深度学习运算进行优化的。然后再添加环境变量。

  (4) 验证安装是否成功

  启动cmd打开命令行，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe（进到目录后需要直接输“bandwidthTest.exe”和“deviceQuery.exe”）。

  或者直接将两个.exe文件拖进去：

  得到以上信息，说明安装成功！

  (1) 虚拟环境   在安装PyTorch之前，python相关环境准备好。这里推荐使用Anaconda并创建虚拟环境，至于Anaconda的安装，这里不赘述了，网上有一大堆，基本都是通俗易懂的。重要的是：使用pip的时候，网速过慢，建议使用清华镜像源或其他！！

  (2) 选择下载安装PyTorch   虚拟环境创建好之后，进入虚拟环境，并进入PyTorch官网(链接)，选择合适的环境安装。

  以下是我安装的环境(如果有问题使用pip3)：

  (3) 验证安装是否成功   安装完成之后，首先进入虚拟环境，然后通过以下几个命令来验证：

  至此，在本文创建的虚拟环境中成功安装深度学习环境，显卡为RTX3050，torch版本为1.13.0，cuda版本为11.7，python为3.7。