在win11中配置深度学习用到的GPU驱动

若想在代码中使用GPU，总共需要安装3个东西，分别是CUDA，cuDNN，以及GPU版本的pytorch。

1 CUDA

首先判断现有的CUDA是否适合自己GPU，如果适合则跳过该步，不适合则执行以下内容。判断方法为桌面鼠标右键，进入nvidia控制面板，点击系统信息

点击组件，如下图，可知，笔者电脑适配的CUDA为11.6

1.1删除现有的CUDA

可以在控制面板中进行卸载，如图，与NVIDIA相关的都卸载掉

1.2安装适合自己GPU的CUDA

这一部分资料很多，如：CUDA安装教程_安装cuda-优快云博客。这里不再赘述

2 cuDNN

2.1安装

在官网找到自己需要的版本

到这一步时，点击下载会让注册英伟达账号，注册后即可下载。

点击下载后的文件夹，如下

选中这3个文件夹，复制

回到CUDA的安装目录，在C盘中，如下，一步步点击

在这里会发现三个与之前复制的文件夹一样的文件夹，到此ctrl+v进行复制，会弹窗提示是否进行替换，这里需要确认进行。替换后，cuDNN即完成安装。

2.2验证

为了验证是否安装成功，可进行如下步骤

点击extras

在此目录下，鼠标置于空白处，右键，点击“在终端打开”

在终端中输入.\bandwidthTest.exe  后回车，如结果出现PASS，即安装成功

3 GPU版pytorch

步骤如下

寻找需要的版本，笔者是11.6

如下，找到后为pip 安装指令，这里先不着急使用，先为项目创建完成虚拟环境后再使用

接下来为使用conda创建项目环境步骤，笔者这里已经创建好了，为pytorch_env，所以进入该环境即可

进入环境后，将路径改为项目路径

使用cd 项目路径  进入

进入后，再使用之前pytorch官网的pip安装指令即可，如下图所示

安装完成后。使用pip list查看安装的包，可以看到GPU版的pytorch是带有cu的，表示cuda版的torch,至此，GPU版pytorch安装结束。

接下来运行项目时，将python解释器选择为刚刚创建的环境，如下图所示。再安装项目其它需要的包即可运行项目。