深度学习之30系显卡虚拟环境配置（100%成功，windows，英伟达30系显卡，torch版本1.7.1）
傻瓜式教学，肯定保证您配置成功
目录
前言
一.安装显卡驱动
1.查看自己的显卡型号
2.上官网下载显卡驱动
3.检查是否安装成功
二.安装Anaconda（Miniconda也行）
三.安装python编辑器——个人推荐pycharm
四.创建虚拟环境
1.创建虚拟环境框架
2.更换国内镜像源
五.安装CUDA和CUDNN（重要）
1.安装CUDA
2.安装CUDNN
3.配置环境变量
4.检验CUDA是否安装成功
六.下载pytorch及所需组件
1.安装torch
2.安装其余组件
3.最终的验证：
前言
（个人介绍&初来乍到bb两句，如果毁坏了您阅读本文章的心情，我会立刻删除本部分）
大家好！我是来自北京工业大学大一的学生，读计算机科学与技术专业。由于学习成绩拉胯再加上初高中基础不行，在学习深度学习的过程中我吃了不少亏，其中一项就是本文章的主题——30系显卡虚拟环境配置。身边不少小伙伴也有这个苦恼，它实在是太难配置好了，不配置吧，又没法跑模型，十分麻烦。经过一个月的努力，我终于在昨天配置好了虚拟环境，整理好自己这一个月的经验，我决定分享出来，希望对您有帮助。
真正学编程也就一年不到吧，本文有不严谨的地方，和错误的地方，欢迎读者指正和批评，我一定会及时改正，感谢！
虚拟环境主体：
pytorch==1.7.1
torchvision==0.8.2
其余：numpy，opencv-python等，会在文章中提到，不着急
一.安装显卡驱动
1.查看自己的显卡型号
（1）方法一：
按下win键，输入“设备管理器”，点击进入
（2）方法二：
（win10）同时按下win+x，输入法切换成英文再按m或者找到并点击“设备管理器”
进入到设备管理器页面之后，按照如图的方法就能找到显卡型号了
2.上官网下载显卡驱动
https://www.nvidia.cn/Download/index.aspx?lang=cn
进入后出现以下页面（需要等页面完全刷新，请耐心）根据自己的显卡选择选项，最后点“搜索”，然后页面跳转，点下载即可。下载完直接运行下载好的软件，跟步骤走就行，默认安装即可，不在附图片了。
3.检查是否安装成功
按下win+r键，输入cmd后回车，进入到cmd控制台，输入nvidia-smi，出现如下内容就代表安装完成了！第一行“-----”下面这一行，最右边有个“CUDA Version”，代表了我们显卡支持哪个版本的cuda，它是向下兼容的，30系显卡只能安装11.0+的cuda，所以本文安装11.0的cuda。让我们进入到下一步吧！
二.安装Anaconda（Miniconda也行）
推荐去清华大学镜像站下载anaconda：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
安装教程：打开下载好的安装包，这里选哪个都行
下一步是自定义安装地址，地址不能含汉字，不配图了，相信难不倒大家
这一步很重要，当且仅当第一次下载anaconda时，两个都要选。除非你用anaconda的卸载程序把它卸载了，再次安装的时候还是需要两个都勾选。
然后点install等待完成安装就ok了。
安装完成之后同样在cmd窗口，输入conda，出现以下内容就是安装成功了。
三.安装python编辑器——个人推荐pycharm
https://www.jetbrains.com/pycharm/download/#section=windows
进去下载右边的community版（这个是免费版，够用）即可。
四.创建虚拟环境
1.创建虚拟环境框架
如果你的电脑用户名和我一样，是中文的，那么你不能用默认路径来创建虚拟环境，否则会出现这种情况：Not a conda environment：xxxxxxxx
老规矩，进入cmd窗口。
每一个虚拟环境对应一个版本的python，这里的版本是需要严格要求的，因为不同版本的pytorch对应不同的python版本，本文章使用python3.9.
控制台输入如下命令，-p=后面写你指定的路径，路径一定不要含中文名称，这里我使用的是anaconda自带的envs文件。其中test是你的虚拟环境名称，不可是中文名称。这里只是一个演示，起名最好起区分作用，比如你需要用到pytorch，那你可以起名为“pytorch”；你要安装tensorflow，你就起名为“tensorflow”等。
conda create -p=C:\ProgramData\Miniconda3\envs\test python=3.9稍等片刻会出现如下界面，输入y之后耐心等待安装完成就行。
这就是安装完成的界面：
根据上面的提示，我们通过如下命令来激活我们的环境：
conda activate test可以看到箭头位置出现了（test），代表激活成功，我们可以用conda list查看我们虚拟环境都安装了哪些插件。
2.更换国内镜像源
配置环境的时候需要下载很多插件，默认都是在python官网下载，这会导致下载非常慢，有时候还会出现下载失败，因此十分推荐更换镜像源地址。
先退出虚拟环境
conda deactivate这里用的是中科大的镜像网站：
（1）为conda更换
conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
cmd窗口输入这些就行，直接复制进窗口按回车。
（2）为pip更换
在自己用户的根目录下面创建一个名为“pip”的文件夹
比如我的用户根目录就是“C:\Users\炫酷狂拽的电脑”
在pip文件夹下面创建一个txt文档，然后改后缀为“ini”
输入
[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors = true
mirrors = http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host = pypi.mirrors.ustc.edu.cn
保存并且关闭。
PS：网上还能搜索到更多的镜像，添加方法同上，不赘述了。我配置虚拟环境的时候用中科大的镜像就够了。
PSP：为什么我的文件不显示后缀？
方法：图中，我们的文件是没有后缀.xxx的，我们点击箭头位置
找到如图的内容，取消勾选，点最下面的确定即可，然后我们就可以通过重命名来更改文件后缀了！
五.安装CUDA和CUDNN（重要）
安装cuda困扰了我很久，因为安装它的时候经常会出现安装失败（这张图片来源于网络）
经常会有某个插件安装失败，具体原因我查了又查，怎么说的都有，我都迷糊了。我个人的解决办法就是，哪个安装失败取消安装哪个，请看以下说明：
每个CUDA都严格对应每一个CUDNN ，也对应着torch版本。30系显卡必须要11.0+的CUDA。其中CUDA11.0对应1.7.x的torch版本。如果你想安装更高版本的CUDA等，可以自行查询它们的对应关系，
CUDNN对应的CUDA版本及下载：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
查看方法
CUDA对应pytorch版本网址：https://pytorch.org/get-started/previous-versions/
这个网址直接教你下载对应的pytorch，如果你相信你的网速的话，直接按照他给的方法就行，我教的办法适用于像我这种网不好的同学。
言归正传，本文章给你提供了cuda_11.0.2_451.48_win10，它对应的CUDNN8.0.5.39和pytorch，无需去外网下载：（采用阿里云盘，下载速度快）
CUDA11.0 提取码: 54vw
CUDNN 提取码: 54vw
1.安装CUDA
点击CUDA安装包，稍等后这个界面点OK就行
耐心等待读条完毕（360要是弹窗，就允许所有操作）
这里选自定义
在自定义安装界面，我们取消勾选最容易导致安装失败的两个内容，一个是Visual Studio Intergration一个是Nsight VSE（不安的话具体后果仍未知，我没安装它，跑模型依旧跑得动，各位大佬要是知道的话欢迎指出）
然后点击下一步，等待安装完毕就行。为了方便以下教程，安装路径全是默认路径。
我在安装的时候遇到的安装错误只有这俩，读者们如果还遇到了其他错误，可以按照如下方法排查错误：在安装错误的页面，寻找“状态”栏目中显示“失败”的内容，重新安装，在自定义取消勾选就行
这里的失败内容就是Nsight VSE
但是有的组件不安装的话，会导致CUDA功能不全，如果出现了本文没有提到的错误，非常抱歉！我也没有解决办法，毕竟我也是个萌新，跌跌撞撞过来一部分靠的也是运气，当初为了安装CUDA，下了很多版本，熬了无数个夜。欢迎在评论区批评，我会尽力帮助大家找到解决办法，更新博客。
2.安装CUDNN
找到下载好的文件夹“cuda”将其剪切。找到Program Files下的NVIDIA GPU Computing Toolkit
在如下路径粘贴你的cuda文件夹，我这里为了区分，把cuda文件夹重命名为了cudnn
3.配置环境变量
按win键，搜索“查看高级系统设置”，进入后如图操作
为了防止大家眼花，我给非CUDA内容打码了。可以看到安装CUDA的时候，它帮我们配好了系统变量，我们需要自己手动配置用户变量，双击path（我这里path有变量，是因为我已经配好了）
点击新建
分别新建如下四个内容（输入的地址，根据自己电脑的地址灵活改变）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\cuda\bin都输入好了确定就行，也可以把它们用“上移”按钮移动到最上方。
4.检验CUDA是否安装成功
打开cmd窗口，输入nvcc -V有如下内容，即为成功！
加油！革命即将胜利！
六.下载pytorch及所需组件
1.安装torch
阿里云盘禁止分享zip格式文件，因此我只能拿百度网盘分享，大家也可以通过官网下载，但是会很慢，推荐用软件Internet Download Manager（IDM）下载，会快一些。
链接：https://pan.baidu.com/s/1XW3imngaZQoPhblYUQui6A
提取码：0its
官网下载
IDM的使用方法很简单，复制上面这个下载地址，然后进入IDM点击左上角的新建任务，再点确定就ok了。
下载完之后，复制文件的全部名字 torch-1.7.1+cu110-cp39-cp39-win_amd64.whl
PS：这里的cp39代表了支持python=3.9的版本。还记得我们之前创建虚拟环境的时候写的是python=3.9吗？这里必须是严格对应的。如果你在网上找到的torch，后面写的是cp38，那你创建环境的时候必须写python=3.8，否则会因为版本不支持，导致whl文件无法安装。
然后打开cmd窗口，进入我们的test虚拟环境，输入
pip install torch-1.7.1+cu110-cp39-cp39-win_amd64.whl会弹出如下的内容，我们只看红字，这样就能找到我们whl文件需要放在哪里了
把文件粘贴到找到的红字地址，然后再次安装，稍等片刻就ok了。
2.安装其余组件
（1）.完善torch安装
pip install torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html（2）其余组件安装
scipy
numpy
matplotlib
opencv_python
tqdm
Pillow
h5py输入pip install scipy就可安装scipy，安装以上内容就行。也可以在非英文路径下创建一个requirements.txt文件，把这些内容复制进去，然后
pip install -r 路径\requirements.txt用中科大的镜像源应该能实现它们的安装（我的电脑是这样的），如果不能的话，可以尝试添加多个镜像源
如：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
华中理工大学：http://pypi.hustunique.com/
安装好之后重启电脑
3.最终的验证：
我们激活的test环境已经安装好所有组件了，这时候电脑重启完毕，我们兴高采烈地打开了cmd窗口，依次输入了
conda activate test
python
import torch
print(torch.cuda.is_available())
显示为True，那么恭喜你，成功配置好了基于python3.9的torch环境
ohhhhhhhhhhhhhhhhhhhhhh!
恭喜你！革命取得了阶段性的胜利！
本文章特别鸣谢：
我的祖国
B站各位大佬的教程和开源
CSDN诸多大佬的教程
给予我重要帮助的同学，在CSDN也有账号qq_43716230
我还是个小萌新，第一次写教程，第一次接触深度学习，昨天刚配好虚拟环境。如果有写的不对，不周到，没能帮助到您的地方，欢迎私信，评论区批评！我会向大家学习，多多努力，多多进步！
我的b站UID：23415007
如果大家想要视频教学的话，五一放假我可以出一期！
深度学习之30系显卡虚拟环境配置（100%成功，windows，英伟达30系显卡，torch版本1.7.1）相关推荐
- 英伟达、AMD显卡纷纷告急，PC DIY市场的落日黄昏
文/ 智能相对论(ID:aixdlun) 作者/ 布兰 题图: 在加密货币长期维持价格高位的背景下,显卡和矿机已经成了"印钞机". 为了轻松阅读本文,诸位看官可能需要简单了解以下概 ...
- Ubuntu 18.04安装NVIDIA（英伟达） RTX2080Ti显卡
Ubuntu 18.04安装NVIDIA(英伟达) RTX2080Ti显卡 在安装显卡之前请先把ubuntu 18.04系统提前安装好. 需要准备的资料: NVIDIA 驱动 下载驱动 驱动的下载地址 ...
- amd显卡用黑苹果输出黑屏_教大家黑苹果英伟达免驱显卡黑屏怎么解决的方法
现在越来越多的小伙伴对于教大家黑苹果英伟达免驱显卡黑屏怎么解决的方法这方面的问题开始感兴趣,因为大家现在都是想要熟知,那么既然现在大家都想要知道教大家黑苹果英伟达免驱显卡黑屏怎么解决的方法,小编今天就 ...
- 英伟达最新linux驱动程序,英伟达Linux版显卡驱动 v340.32最新稳定版下载
7月底,英伟达为Win7/Win8.1平台送来最新公版显卡驱动,进一步增强游戏体验.现在,开源系统Linux也迎来这项显卡驱动福利.近日,英伟达为Linux平台带来一款最新稳定版公版驱动v340.32 ...
- nvidia windows linux,不逊于Win7，英伟达Linux版显卡驱动稳定版下载
Win7之家( www.win7china.com):不逊于Win7,英伟达Linux版显卡驱动稳定版下载 7月底,英伟达为Win7/Win8.1平台送来最新公版显卡驱动,进一步增强游戏体验.现在,开 ...
- 英伟达虚拟服务器显卡,英伟达开启显卡直通虚拟机功能 老显卡也可以
虚拟机是非常重要的软件,但如果你手上没有性能强大的主机,那么体验并不好,特别是显卡方面.如今,英伟达将在GeForce显卡上开启GPU虚拟机直通功能,让消费显卡也可以直通虚拟机,从而带来更好的图形性能 ...
- WIN10环境英伟达9系显卡tensorflow安装记录及调试过程 CUDA8.0+tensorflow-gpu1.4+CuDNN6.0
用sklearn学习完了机器学习之后,本来打算入坑深度学习.查阅了网上相关资料之后决定学习tensorflow进行入门,哪知安装就花费了一周的时间.深感老显卡安装不易,在此记录一下安装过程希望可以帮助 ...
- 磨刀霍霍向Gamer 老黄发布英伟达甜点级显卡RTX 2060...
雷锋网消息,CES前夕,英伟达发布了基于图灵架构的显卡GeForce RTX 2060,英伟达CEO黄仁勋表示,"桌面游戏玩家要求很高,RTX 2060设定了新标准 - 无与伦比的价格,非凡 ...
- 磨刀霍霍向Gamer 老黄发布英伟达甜点级显卡RTX 2060
雷锋网消息,CES前夕,英伟达发布了基于图灵架构的显卡GeForce RTX 2060,英伟达CEO黄仁勋表示,"桌面游戏玩家要求很高,RTX 2060设定了新标准 - 无与伦比的价格,非凡 ...
最新文章
- Xcode可重用代码块code snippets
- yolo-mask的损失函数l包含三部分_损失函数总结-应用和trick
- C#.Net命名空间大纲
- 数据结构源码笔记（C语言）：二叉排序树的基本操作算法
- boost::describe模块实现连载功能的测试程序
- Java RMI 入门
- 模式匹配 怎么匹配减号_如何使您的应用导航与用户的思维模式匹配
- request对象与response对象
- Redis07-对象结构体redisObject
- 190101每日一句
- 编程小知识之 struct 构造函数(C#)
- QFramework引入Utility和System
- 实物补贴和货币补贴的权衡
- linux硬盘的两个分区合并_linux 多分区合并（lvm）实例
- op反馈电阻并联反馈电容
- 基于HTML+CSS+JavaScript技术设计的博客网站(web前端期末大作业)
- 金融业务架构的技术挑战
- Qt使用QCustomPlot画坐标图教程
- 国内顶尖的量化投资团队有哪些？
- python中的内置高阶函数