1. 安装CUDA
1.1 检查是否已安装CUDA
快捷键win+r,输入cmd,在命令行中输入 nvcc -V 可以查看版本信息
若已安装,则显示版本信息,请跳转到第二步
![](https://img-blog.csdnimg.cn/844498e910e74396bab5b2c247857aa6.png)
1.2 若未安装,请于左下角搜索并打开NVIDIA的控制面板
![](https://img-blog.csdnimg.cn/8d95f2bca570491da814caac32956948.png)
单击系统信息,进入组件页面查看CUDA的版本
![](https://img-blog.csdnimg.cn/7616478259404b10873b081614c6cab3.png)
![](https://img-blog.csdnimg.cn/f66cd792b4464b5fa53d1b692af02bbe.png)
如图所示,作者电脑CUDA的版本为11.7,因此选择下载 ≤ 11.7 版本的CUDA
进入官网CUDA Toolkit Archive | NVIDIA DeveloperCUDA Toolkit Archive | NVIDIA Developer ,下载对应版本的CUDACUDA Toolkit Archive | NVIDIA Developer
![](https://img-blog.csdnimg.cn/dd784dc6b45d4bf9b5ffa584f20bba49.png)
版本根据个人情况而定,切勿追求高于自身版本的CUDA
下载完成之后,得到一个.exe安装程序,双击打开并下一步,建议安装路径默认,此步骤如有问题可以查看这篇文章:
(133条消息) 安装CUDA,cuDNN,Pytorch的详细教程,一气呵成!_torch==1.7.1+cu101_Nefu_lyh的博客-CSDN博客
![](https://img-blog.csdnimg.cn/b87dd5ca1e224f0ca5fb26b66c6e670b.png)
通过快捷键win+r,输入cmd,在命令行中输入 nvcc -V 可以检查CUDA是否安装成功,若已安装,则显示版本信息
![](https://img-blog.csdnimg.cn/844498e910e74396bab5b2c247857aa6.png)
2. 安装cuDNN
进入官网https://developer.nvidia.com/rdp/cudnn-download ,先注册登录,查看自己的CUDA版本号对应自己的cuDNN(曾经需要CUDA和cuDNN版本对照表,现在英伟达只提供了两个版本cuDNN,分别对应CUDA 12.x和CUDA 11.x)
![](https://img-blog.csdnimg.cn/e529da9193ef4a33a1795b9208999ef2.png)
![](https://img-blog.csdnimg.cn/c66006c761064648958932e5984943f0.png)
下载好压缩包后进行解压,将文件名称更改为cudnn
![](https://img-blog.csdnimg.cn/7a8a8d97b96449d3a19771665649dc30.png)
![](https://img-blog.csdnimg.cn/259ef6bc614a445a8eb9eb3301cee491.png)
复制cudnn文件粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7这个根目录下![](https://img-blog.csdnimg.cn/7c857248f9c0450c8821dec64e7443ac.png)
最后,配置系统Path的环境变量
![](https://img-blog.csdnimg.cn/318175bc54e74be6a9b8638f760a9d1a.png)
![](https://img-blog.csdnimg.cn/650582694f1c4ad1a08043b72b38922e.png)
![](https://img-blog.csdnimg.cn/1314cd57ee644bd4824918437003b298.png)
![](https://img-blog.csdnimg.cn/79b752a9f6894a34a505d001e97162d4.png)
这两句话实际上就是刚才改名的cudnn文件夹里lib64和bin文件存放的目录,复制粘贴的时候注意版本号
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\cudnn\bin
3. 安装Pytorch
进入官网Start Locally | PyTorch,根据第一步安装的CUDA版本,选择Pytorch的版本
![](https://img-blog.csdnimg.cn/6e152bcb57ca4afcab1588e795bf6733.png)
通过快捷键win+r,输入cmd,在命令行中输入下面这段话,下载Pytorch
注意:作者尝试很多次,下载均失败,此外其他作者通过解析链接地址,去网盘下载依赖的方法已经过时,所以我们采取另一种万能的办法
我们进入这段pip提供的链接(根据实际情况来),这是Pytorch依赖下载网页
我们需要下载torch、torchaudio、torchvision
![](https://img-blog.csdnimg.cn/f8afdb2b6e6c44b79d64ce1c6e250568.png)
3.1 下载torch
单击torch链接,根据python版本和CUDA版本搜索所需.whl文件 crtl+f搜索
cu117表示CUDA版本为11.7 cp39表示python版本3.9
可以看到,官方提供了torch-1.13.0和1.13.1两个版本,任选其一(建议选小),再根据操作系统选择win或者linux
![](https://img-blog.csdnimg.cn/8289bbd270a24c2999f3f0551f8b2de1.png)
因为作者电脑python 3.9 CUDA 11.7 win操作系统 因此下载了以下.whl文件
![](https://img-blog.csdnimg.cn/b0cd4bb57a19473ea7d1cd65fd69cd91.png)
3.2 下载torchaudio
同理,选择适合的版本
![](https://img-blog.csdnimg.cn/bef886b0c22b4c86b82044a959f80d29.png)
![](https://img-blog.csdnimg.cn/ea91601ba3dc43cc85b3a0cc0c238d42.png)
![](https://img-blog.csdnimg.cn/0dab9b20894b4642885ee13b56182b4d.png)
3.3 下载torchvision
同理,选择适合的版本
![](https://img-blog.csdnimg.cn/46d81ed739d946a2ac908ea95c9dbfa0.png)
![](https://img-blog.csdnimg.cn/652c001809c243209b7ecf37edd25309.png)
3.4 安装文件
将上述文件存放到一个文件夹内,在目录框输入cmd,进入到控制台
![](https://img-blog.csdnimg.cn/dca6862647c04a5491c6c704e4606d3b.png)
输入之前pip未下载成功的那段话
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
![](https://img-blog.csdnimg.cn/ab0abcf173c641b39d406622de77ffa9.png)
4.0 测试
从控制台依次输入以下代码,若出现True,则安装成功!
import torch
torch.__version__
torch.cuda.is_available()
![](https://img-blog.csdnimg.cn/afc5d3e1d45f4cf3a0963a468d8b92ee.png)
参考文章(解决办法和安装内容部分已过时):
(133条消息) 安装CUDA,cuDNN,Pytorch的详细教程,一气呵成!_torch==1.7.1+cu101_Nefu_lyh的博客-CSDN博客
(133条消息) torch.cuda.is_available()返回false——解决办法_Nefu_lyh的博客-CSDN博客
(133条消息) CUDA 11.7无法安装pytorch的GPU版本_cuda11.7对应的pytorch_dy_______的博客-CSDN博客
|