win10下pip安装pytorch-gpu以及CUDA/cuDnn的配置（避坑）

文章目录

1、升级nvidia显卡驱动
2、离线下载CUDA
3、安装对应版本的cudnn
4、pip镜像安装pytorch-gpu及torchvision
5、测试
6、在pycharm中运行pytorch

装了一天，踩了不少坑。主要还是显卡驱动的问题，不管是用geforce experience还是驱动精灵，都没办法升级到最新的版本。这也限制了CUDA的版本，然而目前pytorch支持最低的CUDA版本是9.2，所以一直print False。最后，在官网上下载驱动包进行离线安装，解决了这个问题。另外，conda安装虽然方便，但是比较容易失败，利用pip镜像安装在早上的速度也很快，所以选择了pip安装。需要注意的一点是，离线安装了CUDA之后，最好选用pip安装。当然也可以直接选择conda安装，不必自己装CUDA。

1、升级nvidia显卡驱动

可用驱动精灵升级，若驱动精灵升级失败，点击此处，下载适合自己电脑配置的驱动进行离线安装。

驱动版本尤其重要，我们更关注CUDA的软件支持，即显卡驱动

2、离线下载CUDA

先查看自己电脑支持的cuda版本cmd->nvidia-smi，通常更新过驱动之后都没什么问题。

456.55就是更新后的驱动版本，11.1就是当前支持安装的CUDA最高版本

从这里可以看到，目前pytorch支持cuda9.2以上版本

点击此处选择合适的CUDA版本，我选的是10.2

下载好之后直接安装，不用改设置，选择精简安装

安装完成后，配置环境变量，找到安装目录（自定义安装默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA），在path中新建下图红框所示的4个环境变量：此电脑->属性->高级系统设置->环境变量->用户变量->path

测试CUDA是否正常安装：命令窗口输入nvcc -V

3、安装对应版本的cudnn

点击此处，下载和CUDA版本一致的cuDNN.

比如我的CUDA10.2，应该安装cuDNN for CUDA10.2

解压之后，把红框的三个文件bin、include、lib直接复制到CUDA的安装目录下，替换原有文件即可。

4、pip镜像安装pytorch-gpu及torchvision

点击此处，选择配置，复制生成安装命令，进行镜像安装，几个常用的镜像源：

阿里云 http://mirrors.aliyun.com/pypi/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/

这里用了清华源，建议早上安装，晚上不太稳定
win+R->cmd->

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.6.0 torchvision===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

然后，耐心等待

5、测试

先测试pytorch和torchvision是否安装成功

pythonimport torch
import torchvisionprint(torch.__version__)

再测试是否可以正常调用CUDA

print(torch.cuda.is_available())

如果输出False，可能为以下几个原因：

1、显卡驱动版本太低，需要更新
2、安装的CUDA版本超过了nvidia-smi显示的版本
3、pytorch和CUDA版本不匹配
4、CUDA和cuDNN版本不匹配

查看pip安装的包所在位置：pip show ##
如果输出True，那么就可以使用pytorch-gpu版了，跑个demo试一下吧

6、在pycharm中运行pytorch

编辑好自己pytorch项目，使用pycharm调试运行，如果没有报错就搞定了。
而对于有多个python版本，或者习惯用anaconda管理环境和包的同学，Import可能会报错：
这是interpreter设置的问题，先在终端查询自己电脑pip安装的位置pip show torch

然后在pycharm中添加安装了torch的interpreter:

添加interpreter:
可以看到当前解释器里出现了torch和torchvision的包
到此，import torch就可以正常执行了。