Windows10系统pytorch、cuda11.0、cuDNN安装
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Windows10系统pytorch、cuda11.0、cuDNN安装，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含8375字，纯文字阅读大概需要12分钟。
内容图文
1.Cuda和cuDNN安装
1.1 显卡版本、Cuda版本和cuDNN版本的关系
参考CSDN博客：nvidia驱动，cuda与cudnn的关系
- NVIDA驱动，在NVIDA控制面板的系统信息，组件中看到的driver就是。
CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包（ToolKit）- 下载的时候也可以看到，cuda的全称是：
CUDA Toolkit 11.0 Download - 此外，在安装手册上也可以看到，cuda提供了许多api。
- https://docs.nvidia.com/cuda/archive/11.0/cuda-installation-guide-microsoft-windows/index.html
- 下载的时候也可以看到，cuda的全称是：
- CUDA Toolkit本地安装包时，内含特定版本Nvidia显卡驱动的，所以只选择下载CUDA Toolkit就足够了，如果想安装其他版本的显卡驱动就下载相应版本即可。
- 所以，NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。
- 注意事项：NVIDIA的显卡驱动器与CUDA并不是一一对应的
- CUDA本质上只是一个工具包而已，所以我可以在同一个设备上安装很多个不同版本的CUDA工具包，比如我的电脑上同事安装了 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。
- 一般情况下，我只需要安装最新版本的显卡驱动，然后根据自己的选择选择不同CUDA工具包就可以了，但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序，所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。
- 总结：CUDA和显卡驱动是没有一一对应的。
cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。
1.2 下载Cuda
1.2.1 确定版本
在win10的搜索框里搜索 NVIDIA，找到
点击后在弹出的NVIDA控制面板中找到系统信息，位置可能比较隐秘，仔细找找
然后就可以看到自己的CUDA驱动的版本，然后就去下载这个版本的就好了
1.2.2 cuda向下兼容的问题
在安装的时候，驱动是11.0的，但是cuda已经出现了11.1.3。关于cuda向下兼容，网上有好几种声音。
- 不太靠谱，参考CSDN博客：GTX TITANX 显卡下显卡驱动和cuda的安装血泪史
- 可以向下兼容，参考简书：关于CUDA，cuDNN，TF，CUDA驱动版本兼容问题
CUDA驱动版本：保持最新就好了，CUDA驱动版本要求和CUDA版本匹配，而CUDA又要求cuDNN/TF是匹配的。不过CUDA驱动版本是向下兼容的，所以保持最新就没事。输入nvidia-smi可以查看：
1.2.3 下载链接
最新版本下载链接: https://developer.nvidia.com/zh-cn/cuda-downloads
找过去的版本，在上面的链接页面中找到CUDA早期版本档案，对应的链接是：https://developer.nvidia.com/cuda-toolkit-archive
注意，每行两个链接，前面的是安装包链接，后面的是在线文档，不要点错了。。
找到后，选择对应的操作系统Operating System，架构Architecture（一般默认x86_64），系统版本（version）（10就是win10），安装类型Installer Type（网好就network，一般都选local）
我下载的是11.0 update，对应的链接是：
- https://developer.nvidia.com/cuda-11.0-update1-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
- exe包的链接：http://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_451.82_win10.exe
1.2.4 下载慢的问题
考虑链接另存为，然后使用一些下载工具下载，我这里分享一个老版本的迅雷，没啥广告的：
（不用迅雷，浏览器下载：直接失败，或者几十KB，迅雷的话，能有3MB多）
链接：https://pan.baidu.com/s/1iw9JzZJLSO5BlzL8TA7ffw
提取码：201z
1.2.5 安装时的系统要求
下载好了，也不要着急安装。。
搜索的时候就看到网上很多安装失败的，看了一下11.0的windows安装文档
大家可以找自己对应的，CUDA早期版本档案页面里对应版本后面的Versioned Online Document：
- 11.0的Windows文档链接：https://docs.nvidia.com/cuda/archive/11.0/cuda-installation-guide-microsoft-windows/index.html
- 翻译了一下，大概就是
系统要求：
想要在系统上使用cuda，需要安装以下内容
* 支持CUDA的GPU
* 受支持的windows版本（系统版本）
* 受支持的Microsoft Visual Studio版本（编译器版本）
* NVIDA CUDA Toolkit
下面这个图是支持的系统版本和编译器版本
查看操作系统版本：(命令行打开的时候就可以看到，如果看不到，就输入ver)
查看自己系统的MSVC Version
注意，一般还是需要安装Visual Studio的，不然不会看到complier的，下面这个是重分发包。
方法一：
参考CSDN博客：MSVC版本号对应
在卸载软件中查看自己的Microsoft Visual C++版本，例如，我这里是14.23XXX，查上面那个博客，应该是1922以上，
方法二：
参考Stack Overflow回答：Finding version of Microsoft C++ compiler from command-line (for makefiles)
Microsoft C++ compiler (cl.exe)
找到自己安装位置，然后在那个目录下命令行中直接运行cl.exe即可
1.3 安装及配置
注意，搜索了一下，安装cuda不需要visual studio的，使用conda安装那些深度学习框架会比较好，会自动安装一些依赖。
1.3.1 安装
如果想要看双击exe之后的安装步骤界面，可以参考：Win10安装CUDA10和cuDNN
如果选择精简安装，可能就没有配安装位置，等会可能要找找，一般默认是安装在：C:\Program Files\NVIDIA GPU Computing Toolkit
1.3.2 配置
需要配置系统路径，但是上一步安装完之后去查看，默认已经配好了？
确保配了bin文件夹、lib\x64文件夹（默认配的是bin和libnvvp）。
如果不放心，可以把include也配上。
1.3.3 验证是否成功
验证是否安装成功
在命令行输入：
nvcc -V
或者打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite （其中v10.2对应自己的版本号），执行bandwidthTest.exe
再执行deviceQuery.exe
这样基本就是没问题了
1.4下载cuDNN
下载链接：https://developer.nvidia.com/rdp/cudnn-download
需要注册一个NVIDA账号，登录之后才可以下载(验证邮箱的邮件有概率在垃圾箱里)
登录过程挺艰难的，完成登录后，还是这个链接：
https://developer.nvidia.com/rdp/cudnn-download
注意，可以点开看看其他的，都是x86基本上，所以就是这个了。而且看其他教程里下载页面的截图，也基本上是这个了。（这个版本没有专门的win7/win10的分类）
11.0版本cuda对应的cuDNN版本下载的链接：
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.0_20201106/cudnn-11.0-windows-x64-v8.0.5.39.zip
很奇怪的是，写的是x86，但是下载下来的包名称确是x64，哈哈哈。
（很奇怪，这个用迅雷下都连接不到资源，但是用浏览器下却很快。。。）
1.4 安装cuDNN
解压后得到三个文件夹，把这三个文件夹中的内容分别放到之前cuda对应的文件夹中。
- 以bin文件夹中的内容为例，cuDNN的bin中的内容名称类似：
cudnn_adv_infer64_8.dll，所以还是很容易和cuda的bin中的内容区分开的。 - include(cudnnXXXX.h)和lib（cudnnXXXX.lib）中的同理
这个不需要什么验证，需要在pytorch编程运行代码之后去判断。
2. pytorch安装
2.1 在线安装
pytorch官网：pytorch
选择自己合适的配置，然后去下载就好了。
我本机anaconda默认的环境是python3.7的，cuda版本是11.0，刚好（还好没有下载11.1的）。
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 使用这个，速度飞起来
# 但是依然还是有
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c conda-forge
# 难过 这里搜不到我这个版本，只能用pytorch这个源
搜了一波，清华镜像已经恢复了，参考知乎专栏文章：Anaconda清华大学开源镜像近日将恢复!。反正2020.3.14之后又可以用了。
清华大学开源镜像站链接：https://mirrors.tuna.tsinghua.edu.cn/
但是即便使用了清华的源，两个最重要也是最大的包：
- cudatoolkit=11.0.221
- pytorch=1.7.1
依然无法下载
无效的尝试
搜索后参考：镜像安装pytorch的简便方法总结
反正就是换几个源试试：
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
使用阿里云的源去进行安装
conda config --add channels http://mirrors.aliyun.com/pypi/simple/
pip install pytorch torchvision torchaudio cudatoolkit=11.0 -c http://mirrors.aliyun.com/pypi/simple/
# 我这边一直报阿里云这个源有问题，404
有效的尝试
无效，反正就剩两个包了，考虑直接用pip安装剩下的两个，还是去官网点，然后产生正确的命令
pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
# 也有人在这里加入清华的镜像，我没加，下的也挺快的
不过比较怪异的是，上面conda下载的时候，包的大小和pip下载的包的大小差的很远。。。
参考：
2.1.1下载速度慢
速度太慢，参考知乎专栏文章：
2.2 离线安装
去清华镜像网站下载对应版本： Index of /anaconda/cloud/pytorch/win-64/
2.3 验证
参考：pythorch-get started-verification
在python环境中输入以下代码：
import torch
x = torch.rand(5, 3)
print(x)
输入类似于：
tensor([[0.3380, 0.3845, 0.3217],
[0.8337, 0.9050, 0.2650],
[0.2979, 0.7141, 0.9069],
[0.1449, 0.1132, 0.1375],
[0.4675, 0.3947, 0.1426]])
如果想检查GPU驱动和CUDA是否可以被PyTorch使用，运行以下命令：
import torch
torch.cuda.is_available()
输出为true，表示安装成功。
参考内容
cuda安装参考：
- 知乎专栏文章：win10安装CUDA和cuDNN的正确姿势
- CSDN文章：安装cuda+pytorch
- CSDN文章：Win10安装CUDA10和cuDNN
内容总结
以上是互联网集市为您收集整理的Windows10系统pytorch、cuda11.0、cuDNN安装全部内容，希望文章能够帮你解决Windows10系统pytorch、cuda11.0、cuDNN安装所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。