背景

通过python文件在gpu上运行代码流程，要想用gpu必须要有适合gpu的驱动cuda driver以及对应cuda版本的torch、torchvision等库。

一、安装cuda

1.找显卡对应cuda版本

打开nvidia控制面板

帮助-系统信息-组件，找到蓝标那一行，NVIDAI CUDA12.2.138 driver

向下兼容，安装<=12.2都可以，但要注意和pytorch、torchvision、python等版本对应（后面有表）

2.cuda下载

cuda官网 CUDA Toolkit Archive | NVIDIA Developer  （以11.8为例）

下载对应安装包

3.cuda安装

安装地址默认即可

安装选项选自定义

驱动程序组件把cuda下的vision studio integration取消勾选，其余默认

后续按默认安装

3.cudnn下载安装

下载地址：cuDNN 9.1.1 Downloads | NVIDIA Developer  （最好下载8.x版本）

下载后把压缩包解压缩备用

把三个文件夹复制到cuda安装地址（默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA），覆盖原有文件夹

4.配置环境变量

系统搜索“查看高级系统设置”

打开环境变量，在下方找系统变量中的path

在path里新建四个变量

分别为cuda安装地址中bin、include、lib、libnvvp四个文件夹的地址

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

新建完后点击确定

5.检验是否配置完成

Win+R 输入“cmd”，点击“确定”,输入nvcc --version，显示11.8即为成功

二、pytorch-gpu安装

1.对应版本

2.Pytorch_gpu下载安装

1）官网下载https://pytorch.org/get-started/previous-versions

根据cuda版本选合适版本

在环境中输入命令，建议提前加国内镜像，否则很慢。

2）选适合的版本直接下载whl包：https://download.pytorch.org/whl/torch_stable.html

在指定环境（base/自建环境）pip install + whl地址

验证是否成功

在指定环境中依次输入

python

import torch

torch.cuda.is_available()

输出为ture安装成功，false安装失败

三、失败原因及解决方案

大概率为pytorch版本和cuda及cudnn版本不对应

对应表格检查各个包的版本是否满足条件

或用方法二，看教程链接（https://cloud.tencent.com/developer/article/2415936）

找官方pytorch源，选择适合自己的版本，

2.conda install 不能安装下载的包,报channel的错，考虑加清华镜像通道

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

展示目前已有的镜像channel。

conda config --show channels