目录
【前言】
2024年2月18日更新，又安装了一台电脑Pytorch及CUDA等软件，目前最新版本的cuDNN已经不需要手动配置了，但各软件之间版本关系复杂，还是总结一份切实可行的方案最好。
【快速安装指引】
写在最前：显卡一定要够好，算力3.5以上，显存4G以上，可以自行搜索英伟达官网查看显卡算力
本人使用软件：Win 10操作系统、VS Build Tools 2019、Nvdia GTX 750ti 显卡、CUDA &cuDNN10.2 、Anaconda（Python3.8.13）、PyTorch 1.7.1
快速安装顺序（CUDA）：确认显卡算力 —> 确认CUDA与显卡驱动版本 —> 确认PyTorch与CUDA版本 —> 安装VS Build Tools —> 安装Anaconda（配置虚拟环境）—> 更新显卡驱动 —> 安装配置CUDA&cuDNN —> 安装PyTorch —> 结束
【操作系统&VS Build Tools】
推荐安装Win10操作系统
安装CUDA时，需要已安装VS Build Tools生成工具，生成工具也需要有.net framework。Win7 系统可以支持的最高.net framework为4.5.2。因为我使用的是VS Build Tools 2019, 要求.net framework 4.6 以上，Win7 系统已经无法支持。另外Win7 系统微软也停止维护了，所以推荐使用Win10系统。
下载安装 VS Build Tools（根据自己的需求选择相关链接）：
下载 Visual Studio Tools - 免费安装 Windows、Mac、Linux
【Annaconda虚拟环境创建】
安装Python也有许多选择，可以直接从官网下载安装包，自己搭建Python环境。为了方便，推荐Annaconda，可以生成多个不同的Python虚拟环境，免除相互之间的干扰，不想用的虚拟环境极易删除，十分方便。
Annaconda下载地址：
Anaconda | The World's Most Popular Data Science Platform
创建Python虚拟环境：
打开Annaconda Prompt，输入以下命令，创建虚拟环境
conda create -n env_name python=3.9以上代码将会创建名为env_name，python版本为3.9的虚拟环境
【显卡驱动更新】
显卡驱动更新：
CUDA&显卡驱动：
如本文首图，因为CUDA对显卡驱动有最低要求，所以需要更新显卡驱动，详情见下记官网。
Release Notes :: CUDA Toolkit Documentation
截图官网文档的部分图表，具体对照内容请登陆官网查询。以 CUDA 11.6 Update 2为例，Windows系统下显卡驱动版本要>=511.65，接下来就要将你的显卡驱动更新到最新，看是否满足要求。如果不能，就选择低版本的CUDA。
显卡算力确认：
显卡算力查询网址
部分显卡算力（台式机显卡）截图：
【CUDA&cuDNN安装配置】
CUDA下载
CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer
CuDNN下载
cuDNN Archive | NVIDIA Developer
下载CUDA、cuDNN需要先注册，按网站指引操作即可。
CUDA&cuDNN配置
我以CUDA 10.2为例，如果是其他版本的CUDA，自行将v10.2替换为你自己的版本即可。
先安装CUDA建议使用默认安装路径，操作简单，这里不详述了。
cuDNN不需要安装，将压缩包解压后得到三个文件夹bin、include、lib，将这三个文件里的内容依次复制到CUDA安装目录相同名称的文件夹里，详情操作可参考文后链接，不详述了。
系统变量配置
接下载要配置环境变量，计算机（右键）>属性>高级系统设置>环境变量
安装CUDA后已经生成两条系统变量了，还要系统变量位置继续添加以下内容：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2
(默认路径，可根据自己路径调整)
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
环境变量配置
接下来要编辑Path环境变量，鼠标选中path变量，再点击编辑，此时理论上会弹出一个表格，你可以方便的操作。如果你的电脑只弹出一个对话框，是一长条内容，你的path变量开头可能是%号，修改为 C:\WINDOWS\system32理论上可以解决，如果不行变再上网搜索其他办法。
环境变量Path添加如下内容，各自成行：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
上一条弄好了，接下来再新建4条
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
更新：11.7以后无CUDA Samples文件，删除此两条
如果显示是长条形的编辑模式，每一条内容后要加英文分号隔开。
【PyTorch安装】
PyTorch官网
PyTorch需要使用命令行安装，进入PyTorch官网，选择自己所需要的版本，复制相应命令。如果需要较早版本Pytorch，选这句You can also install previous versions of PyTorch.
PyTorch安装
以安装PyTorch 1.7.1为例，首先，打开Annaconda Prompt，使用命令激活虚拟环境：
conda activate env_name #env_name为前边代码创建的虚拟环境在虚拟环境里粘贴复制的命令，运行
# CUDA 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch不过，conda安装起来比较慢，也可以使用pip命令
Previous PyTorch Versions | PyTorch找到对应版本的pytorch，复制pip命令运行。下图CUDA 10.2这条命令有误，实际安装会是CPU版本的pytorch，所以可以用下边10.1语句安装。
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
【切换镜像源】
代码跑起来还需要其他许多依赖库，用官方镜像安装比较慢，可以将镜像源配置为国内库。建议将清华源配置为永久镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple【其他版本安装】
更新：安装python其他版本时，参考以下内容
1、确定python版本，本人选择 3.11.11
2、确定Pytorch版本，查阅下记链接，以确定pytorch版本
Versioning Policy — PyTorch Lightning 2.5.0.post0 documentation
根据文档可知，2.1<=torch<=2.4，再查阅下记链接确定Pytorch的版本，同时也确定了CUDA版本，
Pytorch安装链接，本人选择Pytorch 2.3.1
Previous PyTorch Versions | PyTorch
CUDA下载链接，本人选择CUDA 11.8
CUDA Toolkit Archive | NVIDIA Developer
本次未安装cuDNN，运行程序也未报错，根据网上说明，不安装CUDA，直接安装Pytorch也行，会包括CUDA核心程序，有机会可以试试看。
参考链接：
深度学习环境搭建（GPU）CUDA安装（完全版）_小邢同学的博客-优快云博客_cuda 安装
扫一扫
1104
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
