如何正确安装GPU版本的torch

个人配置

1. GPU: RTX3060
2. cuda最高可支持11.7
3. 个人采用的方法是anaconda安装torch的方法
4. python环境为3.7(个人建议不要使用高版本的python解释器，
   不然后期在使用的过程中容易出现版本不兼容或者版本更新的问题)

1. Anaconda安装

2. cuda配置

2.1 cuda安装

如果电脑装有GPU的话，可以右键桌面，选择NVIDIA控制面板→菜单栏“帮助”→系统信息里进行查看。打开界面之后从下图中可以查看自己的GPU支持的cuda版本。(如果没有的话，你可能需要先去一下NVIDIA官网下载显卡驱动了)

如果上面说的页面可以正常显示之后，就需要下载cuda了，注意下载的时候注意自己的版本是否匹配，比如我电脑的GPU最高支持的是11.7，我下载的就是11.3的版本。下载的时候直接百度搜索cuda加上相应的版本号即可，如“cuda11.3”，然后找到NVIDIA官网根据自己的电脑环境选择对应版本的cuda下载。安装懒得写，因为主要是留着给爷自己看的，免得忘记了找方法麻烦。

2.2 cudnn下载与配置

下载完成之后，它不是一个exe文件进行安装的，而是需要解压之后，将里面的三个文件夹下面的文件全部复制到cuda对应的文件下面。简单来说就是cudnn里面的bin对应于cuda中的bin。切记，一定要一个文件夹下面的文件复制到对应路径中去。(lib里的文件复制到lib/x64里面)

cuda默认安装位置

3. 虚拟环境配置

conda create -n 虚拟环境名 python=x.x      

拿我自己创建的举例就是：

conda create -n ABC python=3.7

activate 虚拟环境的名字

conda install cudnn

上面的命令一定得是在打开虚拟环境之后再输入才可以，判断方法就是最前面括号内的文本不是“base”而是你的虚拟环境名

4. torch安装

安装torch之前，还得去官网查一下对应cuda版本的torch安装命令，使用对应的命令安装才可以，当然了，官网没有对应版本的自行查找。

5. 测试

首先需要打开之前安装的Anaconda，就那个绿色圈的软件， 切换到虚拟环境下，然后安装jupyter，傻瓜式操作，不会的不管。

import torch

import torch
print(torch.cuda.is_available())

输出True就表明Mission Success

首先将pycharm的python解释器切换到虚拟环境下面的相应解释器。

import torch
print(torch.cuda.is_available())

输出True就行

完成了，可以用了。

后面还可能会使用到TensorFlow，我感觉应该可以直接安装对应版本的tensor就可以用了，应该不需要再配置环境了。