大家好，我是李同学，去年年末拼多多入手了一台拯救者，今天给新机装个深度学习环境。本文主要介绍CUDA和PyTorch环境配置及安装步骤，文中主要通过图文的形式进行介绍，希望对大家的学习和工作提供一定的参考价值。
目标环境：
- cuda 10.1
cudnn v8.0.5
- torch 1.6.0
- torchvision 0.7.0
虽说是win11，其实就是win10 UI升级版，内核基本没变化，所以下载win10的包都可以用。
1.安装Anaconda
官网下载：https://www.anaconda.com/products/individual
这里我选择了将Anaconda自动配入环境变量中，并且不默认使用该版本自带的Python3.9环境，因为我们之后使用都是用的conda中的虚拟环境。
验证conda环境
2.创建虚拟环境
这里就是创建虚拟环境，可以安装项目所需的环境了，相当于建立了一个沙盒，每个项目都有独立的环境，项目间不会相互干扰。
# 创建一个名称为venv的虚拟环境并指定python版本为3.6.8
conda create -n venv python=3.6.8
# 激活虚拟环境
activate learn
# 列出所有的虚拟环境
conda env list
# 退出虚拟环境
conda deactivate
# 删除虚拟环境
conda remove -n venv --all
3.pip换源
pip默认源在国外，我们换成清华镜像源会加快下载包的速度。
在用户根目录下创建.pip文件夹，并配置pip.conf配置文件。
[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
[list]
format=columns
4.安装NVIDIA显卡驱动
一般电脑出厂或装完系统会自动安装显卡驱动，如果有可直接进行下一步，如果没有可以选择和自己显卡相匹配的显卡驱动手动安装。
官网地址：
https://www.nvidia.cn/geforce/drivers/
5.安装CUDA10.1
CUDA是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
nvidia官网下载对应版本：https://developer.nvidia.cn/cuda-toolkit-archive
我这里选择的是cuda10.1离线安装，在线装网络不稳定。
安装的时候勾选了自动配置环境变量，我们就无需手动配。
验证cuda安装是否成功
6.安装CUDNN v8.0.5
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
官网地址：https://developer.nvidia.com/rdp/cudnn-archive
下载cuDNN是需要登录英伟达开发者账户的，注册一个并填写问卷就行了，很简单。
注意：必须选择和你安装的CUDA匹配的版本。
把解压得到的文件夹内的bin、include、lib目录下的dll文件与h文件分别复制到相应的CUDA的安装目录下
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib
通过NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，两者均在安装目录的 extras\demo_suite文件夹中
首先运行 deviceQuery.exe
运行 bandwidthTest.exe
7.安装PyTorch
我这里选择的是PyTorch 1.6，一定要找到符合条件的版本。
在线安装速度很慢，可以选择下面离线安装的方法选择对应CUDA、Python、操作系统、torch版本的whl。
离线安装：https://download.pytorch.org/whl/torch_stable.html
手动安装torch和torchvision
验证是否PyTorch安装成功
import torch
print(torch.__version__)
print(torch.cuda.is_available())
