Python

网上教程很多，不再赘述。版本根据自己需求来定，我选的是比我之前使用的python版本高但比最新python版本稍低的

python3.9.9

，图个稳定。在这个过程中唯一需要提醒的是把python路径自动添加到环境变量中勾选上，省去麻烦。后期验证也很简单，打开cmd直接试试python，print一下就行。【

python下载

】

CUDA

• 查看本机显卡所支持的最高cuda版本，桌面右键->nvidia控制面板->左下角，点击【系统信息】->选择【组件】->第三行NVIDIA CUDA 11.2.xx；
• 
  下载CUDA
  
  , 我选择
  
v11.2.2

  ;
• 安装时，取消勾选CUDA子选项中的
  
visual studio integration

  ，这是我的惯例，以免出现安装失败；
• 安装完成后，查看环境变量中的
  
  系统变量
  
  是否包含cuda_path、cuda_path_11_2;
• 如下操作：win+R，cmd，nvcc -V，出现cuda信息即表明成功安装。

CUDNN

下载这家伙需要注册登录，自行解决(听说可以用迅雷下载，扔进去链接就行)，我自己用的学校邮箱注册的，长期用它下载python、matlab、pycharm等，不用白不用 😃

• 
  下载cudnn
  
  , 对应cuda版本，选择
  
v8.1.1

  ;
• 复制cudnn下面三个文件bin, include, lib至cuda安装目录下，覆盖
• 添加环系统变量，在PATH中添加，详情参考：https://blog.csdn.net/jhsignal/article/details/111401628;
• 安装验证，网址：https://blog.csdn.net/jhsignal/article/details/111398427。可以概括为：打开目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite，在路径框内输入cmd后回车，在命令行里运行其中两个exe文件进行验证（先后运行deviceQuery.exe以及bandwidthTest.exe，各自出现结果为
  
Result = PASS

  即可）。

PyTorch

安装pytorch-gpu，兴高采烈地去下载发现没有适合的cuda==11.2的torch版本，于是选择了11.1版本，命令如下：

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

😦 遇到问题：命令行里下载pytorch-gpu，始终在最后一刻失败，于是自己手动下载torch，地址就按照命令行给出的地址在浏览器下载，下载完成后在cmd执行:

pip3 install "你存放.whl的地址"

，等待片刻即可。

然后继续执行之前的命令（还没完呢）：

pip install torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

聪明的你一定发现了，这个命令中少了torch那部分，因为同样聪明的我 😃 在前面已经果断手动安装成功了，此处只需要安装torchvision和torchaudio即可，速度很快，无报错信息出现。

验证

• torch-gpu验证
• cudnn验证

验证后者的理由是：

cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算

import torch
import torch.nn as nn

print(torch.cuda.is_available())

aa = torch.zeros([20, 3, 32, 32]).float().cuda()
conv_layer = nn.Conv2d(3, 64, 3, 1, 1).cuda()
out = conv_layer(aa)
print(out.device, out.shape)

Output:

True
cuda:0 torch.Size([20, 64, 32, 32])

收工。愈发熟练了啊，全部完成都不到一个白天 😮