安装GPU环境

更新显卡驱动CUDA Driver

检查显卡型号

可以在任务管理器中查看显卡型号

image-20231007180025977

安装显卡驱动

打开NVIDIA官网https://www.nvidia.cn/Download/index.aspx?lang=cn

根据显卡型号搜索驱动，下载安装即可

image-20231007180311323

查看CUDA Driver版本

输入命令

nvidia-smi

image-20231007181414200

可以看出这里的cuda版本为12.2，因此可以安装小于12.2的pytorch cuda版本

安装CUDA Toolkit

进入toolkit的网址CUDA Toolkit Archive | NVIDIA Developer，根据CUDA的版本选择对应的Toolkit下载

image-20231013171600723

安装过程

选择将安装程序解压到临时安装地址

image-20231014002851902

选择自定义安装

image-20231014003258205

取消安装Visual Studio Integration

image-20231014003402449

这里需要注意一下安装路径，后续安装cuDNN时会用到

image-20231014003504886

输入命令查看是否安装成功

nvcc --version
set cuda

image-20231014011125885

安装cuDNN

进入cudnn网址cuDNN Archive | NVIDIA Developer，选择cuda版本对应的cuDNN版本下载

image-20231013171825900

下载方法

点击对应的cuDNN版本，选项框会撑开，选择复制链接，可以将链接复制到迅雷或者其他下载器上下载。

注：这样的目的是为了跳过注册而直接下载cuDNN

image-20231013172230525

安装过程

下载完成后，解压出来，将这三个文件夹移动到安装CUDA Toolkit的位置

image-20231014011357490

image-20231014011500551

最后将这四个文件夹添加到系统环境变量

image-20231014011731435

进入目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\extras\demo_suite执行目录下的文件bandwidthTest.exe，结果为PASS表示安装成功

image-20231014012051170

image-20231014012127076

安装pytorch

进入pytorch官网https://pytorch.org/

选择操作系统、包管理工具、语言、cuda表示使用显卡运算，最后直接执行Run this Command得到的命令安装即可

image-20231007181632258

验证安装

在安装pytorch的环境下输入代码，执行

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

如果返回True则代表gpu环境的pytorch安装成功