1、显卡驱动的安装
最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。
1.1、查看自己的显卡。
具体操作：我的电脑-属性-设备管理器-显示适配器
1.2、驱动的下载、安装。
在找到自己的显卡后，去NVIDIA官网下载安装驱动
选择自己的显卡类型，如果你是GTX显卡，有可能只能选择Game Ready，区别很小，能用就行
1.3、显卡驱动安装检测
win+R 输入cmd 打开窗口后输入：nvidia-smi
如果成功显示显卡数据，恭喜。右上角的11.6，说明我的显卡驱动最高支持11.6的cuda。但我肯定不能安装11.6，因为pytorch最高才支持11.3。
2、CUDA11.3下载安装
CUDA官网
在这里先等一下，博主当时下载好10.2的CUDA然后打开torch的官网后，发现;
CUDA10.2现在竟然不能够在Windows上安装了，我只好又重新下了一个CUDA11.3。
下载完后，开始安装，这是我安装10.2的过程，这个无所谓，默认的话，一路nest就行。
您也可以自行选择安装位置。建议不要更改。它用于设置环境变量。
搜索 – 系统变量 – 环境变量
安装完毕会出现两个新的环境变量 CUDA_PATH和CUDA_PATH_V11_3但仍需要添加以下几个环境变量，系统默认安装路径：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3
将以下五个变量添加到环境变量中：
CUDA_SDK_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64
之后在，系统变量Path的末尾添加：
%CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;
添加以下五个：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64
3、CUDNN安装
CUDNN要与CUDA版本匹配：官网
压缩后的3个文件
将这三个文件放入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3，若修改路径了，则找到自己的路径。
CUDA检测
win+R–cmd– nvcc-V
4、pytorch安装
创建一个新的anaconda环境，以防万一把自己的base环境搞崩了，cd到你的环境中然后输入图中，conda install……这一行。
检测安装：
# 依次输入
import torch
torch.cuda.is_available()
显示True表明下载完成，可以开始你的深度学习之旅了！
文章出处登录后可见！
