标签：Windows10 cuDNN Pytorch conda CUDA 版本 安装 下载
主要内容：Windows10安装CUDA，配置cuDNN，安装Tensrflow-GPU和Pytorch，Pycharm解释器配置。本电脑仅作深度学习环境配置的演示，显卡是GTX950m。本次配置过程仅供参考。
一、准备工作
1、查询电脑硬件支持的CUDA 版本
电脑需要有英伟达独立显卡
1、电脑桌面空白处右键进入NVIDIA控制面板。
2、点击“帮助”进入“系统信息”。
3、点击“组件”即可看到目前支持的CUDA版本，如图示所支持的版本为CUDA9.1。
4、根据TensorFlow-GPU与CUDA版本对应关系，选择CUDA9.0版本（可以直接选择CUDA9.1，但是看其他人安装后会出现与tensorflow版本不对应的问题，因此先提前看一下TensorFlow-GPU与CUDA版本的对应关系），下图来自这里。
2、cuDNN与CUDA版本对应
直接进入cuDNN官网找到适合CUDA9.0的版本进行下载即可。
3、CUDA下载
1、由于下载的不是最新版本的CUDA，因此需要找到CUDA历史版本的下载网址，可在CUDA官网直接找，或通过这里进入。
2、找到所需要下载的版本，选择正确后通过本地将基础安装程序和补丁都下载下来。
4、cuDNN下载
想知道CUDA与cuDNN的关系的话可以看一下这里https://www.jianshu.com/p/622f47f94784
1、cuDNN的下载首先需要在官网注册一个账号，然后才可以进行下载。
2、进入这里，找到历史版本，然后选择适合CUDA 9.0 的cuDNN进行下载，这里我选择了v7.6.4进行下载。
5、Anaconda下载
1、官网下载：https://www.anaconda.com/products/individual
2、清华镜像源下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
以上两种方式下载的安装包均可使用，清华镜像源速度会快一些。
6、Pycharm下载
官网：https://www.jetbrains.com/pycharm/download/#section=windows
1、社区版：不能进行远程调试等操作，提供给开发者免费使用，可以满足日常使用。
2、专业版：功能更多，更加全面，拥有很多高级功能，需要进行激活使用。高校师生用户可以通过校园邮箱进行认证，即可免费使用专业版。通过这里找到 For students and teachers 一项按照提示进行认证即可。
二、安装
1、CUDA安装
1、双击下载好的CUDA安装程序，会进行解压操作，可以不更改路径，这是个临时的路径，CUDA安装好后会自动删除这个文件夹。
2、解压完成后会自动运行，首先检查系统兼容性，需要稍等一会儿。
3、同意协议，选择自定义安装，下一步。
4、按图示进行勾选,下一步。
5、选择安装路径，注意CUDA Development 和CUDA Documenation的路径是一样的，Sanples的路径不同，更改路径需要注意这一点，记住安装的路径。
6、安装完成后关闭即可。
7、安装补丁文件，安装步骤与以上类似，先进行解压，然后选择自定义安装，直接下一步，选择路径时注意安装在了CUDA Development 的路径中。
8、查看环境变量可以发现CUDA已经自动加入，命令行输入nvcc -V，出现如下界面表示CUDA安装成功。
9、至此，CUDA及其补丁安装完毕。
2、cuDNN安装
1、解压下载好的cuDNN压缩包。
2、解压后得到三个文件夹和一个txt文档，将解压后的文件复制到CUDA Development 的安装路径中，选择合并文件夹。
3、完成安装。
3、Anaconda安装
1、运行下载好的Anaconda安装包，按照提示进行下一步。
2、可更改安装路径。
3、第一项不用勾选，后面将手动加入环境变量。
5、加入环境变量，进入安装路径，找到Scripts文件夹，复制该路径。右键点击“此电脑”，属性–高级系统设置–环境变量。选中系统变量中的Path,点击编辑，点击新建，将刚才复制的路径加入到最下面即可。
4、Pycharm安装
1、双击运行安装包。
2、更改安装路径。
3、可选项。添加到右键的意思如图。
4、安装完成后可以选择立即重启或稍后重启。
三、配置环境
1、换源
换源可以加速下载，建议换源。常用的主要是清华的镜像源。
1、conda换源
根据清华镜像源官网提示，各系统都可以通过修改用户目录下的 .condarc 文件进行换源。Windows 用户无法直接创建名为.condarc的文件，可先执行 conda config --set show_channel_urls yes生成该文件之后再修改。命令行中输入该命令即可。
以记事本方式打开.condarc文件，将以下内容直接复制进去再保存即可完成换源。
show_channel_urls: true
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
或者在命令行中执行以下内容也可完成换源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
2、pip换源
在用户目录下新建一个名为pip的文件夹，进入文件夹，新建名为pip的txt文件，复制以下内容到文件中即可实现pip永久换源：
[global]
trusted-host=pypi.tuna.tsinghua.edu.cn
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
2、安装tensorflow-gpu
1、创建虚拟环境：
conda create -n tfgpu python=3.6
创建一个名为tfgpu的虚拟环境（名字可以任意指定），python的版本为3.6。
2、激活虚拟环境：
conda activate tfgpu
3、按照版本安装TensorFlow-GPU，可参考本文开头提供的版本对应图。
conda install tensorflow-gpu==1.12.0
4、测试是否安装成功。
安装完成后输入python，进入python中，输入import tensorflow as tf，回车无报错，说明tensorflow安装成功，再输入sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))，出现显卡信息，说明GPU可用，即TensorFlow-GPU安装成功。
3、安装Pytorch
1、创建虚拟环境（退出tensorflow的虚拟环境重新创建）：
conda create -n pt python=3.6
创建一个名为tfgpu的虚拟环境（名字可以任意指定），python的版本为3.6。
2、激活虚拟环境：
conda activate pt
3、官网选择合适的Pytorch版本，在此选择1.1的版本。
4、使用如下命令安装Pytorch，注意官网所给的命令结尾含有-c pytorch，由于我们已经换过源，所以不加此句话，否则镜像源将不起作用（下载很慢，因为使用的pytorch的官网）。
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0
5、测试pytorch是否安装成功。
安装完成后输入python，输入import torch，无报错，说明pytorch安装成功，输入torch.cuda.is_available()，返回True，说明cuda可用，pytorch安装完成。
4、Pycharm使用Tensorflow/Pytorch
1、新建一个project，点击图示位置。
2、选择conda environment，点击图示位置。
3、找到Anaconda 安装的位置进入envs文件夹，即可看到上面所创建的虚拟环境，进入要选择使用的tensorflow或pytorch，进入所在的虚拟环境中选择python.exe即可。
4、完成配置
标签：Windows10,cuDNN,Pytorch,conda,CUDA,版本,安装,下载 来源： https://blog.csdn.net/qq_41555372/article/details/116376599
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。