1.Anaconda的安装
直接进入官网下载:anconda下载(真的很慢。。。。)
如果你不追求最新版,想要快速下载的话去:清华镜像源
选择添加到环境变量中,省事。
如果安装的时候遇到:due to incompatibility with several python libraries, ‘Destination Floder’ cannot … 就把路径中的中文全部换成英文。
在Anaconda Prompt中输入conda list
出现来了内容说明安装成功。
2.CUDA的安装
首先找到自己的显卡驱动版本
或者在CMD中输入:nvidia-smi 查看
再查看自己显卡所对应的CUDA版本号
CUDA下载:网址
然后下载完成直接选择合适的路径安装
接下来就就点击下一步就行
查看是否安装成功:nvcc -V
3.安装cuDNN
安装cuDNN:网址
选择对应CUDA版本的cuDNN,我选择的是8.1.1
把三个文件夹中的文件直接拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2 中,让他们自己找对应的目录存放。
里面的三个文件夹中的文件放置的目录分别为:
bin目录中的文件拷贝至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
include目录中的文件 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
lib\x64目录中的文件 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
添加系统环境变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在系统变量 PATH 的末尾添加:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2\common\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2\bin\win64
进入cmd:
cd cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite
执行:.\bandwidthTest.ext
执行: .\deviceQuery.exe
4.pytorch的安装
直接去pytorch官网:网址
在cmd运行这行命令
安装成功在python环境中验证一下,结果为True说明安装成功