标签：显卡 python Pytorch 虚拟环境 CUDA 版本 TensorFlow GPU 安装
前言
深度学习框架TensorFlow和Pytorch的GPU版本搭建基础要求是显卡应当为NVIDIA系列，并将显卡驱动升级为最高版本。
显卡驱动下载地址：官方驱动 | NVIDIA ，根据自己的显卡型号选择相应的驱动版本。
一、查看CUDA版本
安装好显卡最新版本驱动后，在桌面单击鼠标右键会出现NVIDIA控制面板，进入控制面板后点击系统信息。
然后可以看到显卡相关信息，这里我们需要记录下驱动程序版本。
接着点击组件信息确定CUDA的版本，此处CUDA版本为11.6，这里代表着显卡所支持的最高版本的CUDA，可以向下兼容，即安装的CUDA版本可以小于等于11.6。
二、安装CUDA
CUDA下载地址： CUDA Toolkit Archive | NVIDIA Developer
此处没有选择对应最高的CUDA版本，因为在Pytorch官网查看到目前最高支持CUDA11.3，所以此处也选择了CUDA的11.3版本。（感兴趣可以尝试高版本的CUDA安装Pytorch）
进入相对应版本的下载页面后，选择Windows系统然后进行本地下载
双击下载好的CUDA进行安装，第一次会弹出一个窗口为解压路径
如果安装的CUDA版本要低于之前查看的所支持最高版本CUDA会提示如下，可以忽略，不影响接下来的安装。
接受许可协议后要在此处选择自定义安装
首先去掉NVIDIA GeForce Experience的安装。
之后展开CUDA选项，去掉Visual Studio Integration。
然后展开Driver components选项，由于之前已经安装过最新版本的显卡驱动，而且之前手动安装的显卡驱动版本高于这个CUDA自带的驱动程序版本，所以此项也去掉。
之后点击下一步进行安装，安装结束后进入环境变量中，选择系统变量的Path然后点击编辑。
安装好CUDA后会自动配置好前两项环境变量，第三项需要手动配置，在CUDA对的安装目录下找到extras文件夹下的CUPTI文件夹下的lib64，将此路径加入环境变量中，之后可打开cmd命令提示符进行查看验证输入命令（nvcc -V）。最后一项cudnn的配置会在后面提到。
三、安装cudnn
cudnn下载地址： cuDNN Archive | NVIDIA Developer
此处要注意cudnn与CUDA版本的对应，之前下载的CUDA的11.3版本所以此处也要选择对应版本的cudnn即图中框中选项。
展开上图框中的选项后选择对应的Windows版本，点击下载。
- 下载方式一：直接点击下载的话会让你注册登录然后下载（此方法由于网络的原因经常失败）
- 下载方式二：将鼠标放置你要下载的链接上，然后右键选择复制链接，将复制的链接粘贴到迅雷等下载工具进行下载。
将下载好的文件解压后重新命名为cudnn然后放置在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3目录下
然后配置环境变量，将cudnn文件夹下的bin目录的文件路径加入环境变量
加上之前CUDA的自动配置的两个环境变量以及手动配置的一个环境变量，共计四个环境变量。
四、安装Anaconda
下载地址： Anaconda | The World's Most Popular Data Science Platform
下载好以后运行安装包
选择安装路径，可自定义安装路径
加入环境变量，将两个选项勾上然后点击Install
修改Anaconda镜像国内源
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 --set show_channel_urls yes
五、Pytorch
创建Pytorch虚拟环境，该环境名称为python38
在cmd命令框中输入如下命令
conda create -n python38 python==3.8.0
-n后面跟的是虚拟环境的名字，==后面的是指定python为3.8.0版本
创建完成虚拟环境后输入如下命令激活该虚拟环境
conda activate python38
然后进入Pytorch官网，选择操作系统为Windows，安装方式为pip，CUDA版本为11.3
Pytorch官网链接：PyTorch
将官网生成的命令粘贴至已激活环境的命令框中
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
然后进入虚拟环境名称为python38的python中输入如下命令进行测试
import torch
torch.cuda.current_device() #返回当前设备索引
torch.cuda.device_count() #返回GPU的数量
torch.cuda.get_device_name(0) #返回gpu名字，设备索引默认从0开始
torch.cuda.is_available() #cuda是否可用
print(torch.__version__) #注意是双下划线
六、TensorFlow
创建TensorFlow虚拟环境，该环境名称为python_tf
在cmd命令框中输入如下命令
conda create -n python_tf python==3.8.0
-n后面跟的是虚拟环境的名字，==后面的是指定python为3.8.0版本
创建完成虚拟环境后输入如下命令激活该虚拟环境
conda activate python_tf
激活python_tf该虚拟环境后输入如下命令安装TensorFlow
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
然后进入虚拟环境名称为python_tf的python中输入如下命令进行测试
import tensorflow as tf
tf.test.is_gpu_available() #cuda是否可用
tf.__version__ #查看版本
标签：显卡,python,Pytorch,虚拟环境,CUDA,版本,TensorFlow,GPU,安装 来源： https://www.cnblogs.com/zzh1374789581/p/16070154.html
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。