【零基础AI】最易懂的Windows下CUDA+cuDNN+PyTorch配置教程
本文面向零基础的AI初学者以及迁移DL开发环境的相关人员，旨在通过最直观、最简洁的一条龙式图文配置教程，最大程度地降低学习门槛与迁移环境的成本。在配置工作开始之前，请务必检查确认您有一块Nvidia的显卡！
1.安装显卡驱动
按如下步骤检查是否已经安装显卡驱动：
-
按
Win + X键，然后选择“设备管理器”。 -
在设备管理器窗口中，展开“显示适配器”选项。
-
在“显示适配器”下，若显示具体的显卡型号（例如，NVIDIA GeForce RTX 4090），说明驱动已经安装；若显示
Microsoft 基本显示适配器或类似的通用名称，说明没有正确安装N卡的驱动。
如果显卡驱动已正确安装，可直接跳到下一节。否则，按下面步骤安装显卡驱动：
- 点击链接进入驱动下载界面。
- 根据自己显卡型号选择对应选项，笔记本选择
(Notebooks)。 - 选择相应的操作系统。
- 下载类型默认
Game Ready Driver即可。 - 语言可选择简体中文
Chinese(Simplified)。
点击Search下载安装。
2.CUDA安装
- 按
Win + R键，键入cmd。 - 命令行输入
nvidia-smi查看当前显卡驱动版本以及可安装的最高CUDA版本，如下图所示，驱动版本555.85，安装的CUDA版本应小于等于12.5。
- 点击链接，选择要下载的CUDA版本。
- 安装过程可全程默认，推荐安装到默认路径，后续卸载以及cuDNN的安装都需要此安装路径，推荐默认路径以防忘记安装位置。
- 打开cmd命令行，键入
nvcc --version检查CUDA是否正确安装，显示下图输入表示安装成功。
3.cuDNN安装
- 点击链接进入官网下载页面。
- 根据上小节安装的CUDA版本选择兼容的cuDNN版本。
- 将下载完成的文件解压，得到
include、bin和lib三个文件夹。 - 将三个文件夹内的文件，复制到CUDA安装路径下对应的文件目录内。
- 验证cuDNN安装成功，打开目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite（CUDA安装选择默认路径时），在下图高亮选中位置输入cmd进入终端。
- 终端内先后输入
deviceQuery.exe与bandwidthTest.exe，系统均响应PASS表示安装成功。
4.PyTorch安装
- 官网下载链接。
- 如下图选择配置，其中CUDA版本不得高于第2节安装的CUDA版本，如果页面上没有对应CUDA版本，可点击红框中的“install previous versions of PyTorch”链接去选择CUDA版本对应的PyTorch。
-
选好后复制Run this Command栏的命令，注意如果pip3报错的话，需要将pip3改为pip。
-
打开PyCharm输入以下代码以验证PyTorch安装是否成功。
import torch
print(torch.__version__)
print(torch.cuda.is_available())
- 返回如下信息表示安装成功。
5.结尾
至此，windows下cuda、cudnn以及pytorch的环境配置已讲解完毕。当然，更基础且必需的Python安装配置本文并未介绍，有相应需求的同学请移步到本人另一篇博客【深度学习】安装配置Anaconda，里面有详细介绍。最后，求一波点赞、关注，您的支持是对我持续创作的最大支持！我们下篇再见~