文章目录
Cuda的下载及安装cuda版本cuda下载 cuDNN下载及安装cuDNN下载 配置环境变量测试CUDA下载torch包验证cuda是否可用
Cuda的下载及安装
cuda版本
由于显卡的不同，需要先查看我们显卡及驱动最高支持的cuda。
进入cmd输入nvidia -smi
版本支持向下兼容，为了保证能够和其他开发库版本兼容，这里使用的CUDN版本为11.6.
cuda下载
CUDA Toolkit| NVIDIA Developer官网找到对应CUDA版本。(我这里选择的是CUDA11.6）
依次选择如下配置，点击Download下载
打开下载的.exe文件，建议选择自定义安装，如下图按照该选项选择。
等待安装完成即可。
cuDNN下载及安装
cuDNN下载
使用下面的网址，找到对应的cuDNN版本
cuDNN下载
下载后是一个压缩包，将压缩包解压后，文件中有
复制三个文件，打开CUDA安装位置,(我使用的是默认位置，文件路径如下图）直接粘贴即可。如果遇到替换这默认同意即可。
配置环境变量
在安装CUDA时会已经帮你自动配置环境变量，如果没有，按下列步骤配置完成即可：
打开"编辑环境系统变量"—>“环境变量”—>在"系统变量"中找到"path"—>添加下面路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\includeC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp测试CUDA
cmd中输入nvcc -V
测试算力"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite\deviceQuery.exe"
找到deviceQuery.exe，用cmd运行，
至此，CUDA与cuDNN配置完成
下载torch包
通常我们说的pytorch指的是cpu版本的，使用torch.cuda.is_available()无论如何返回的都是False，查了好多blog，才知道torch还有gpu版本。
pytorch官网
从这里找到之前的版本
我的是11.6的，对应在conda terminal输入的代码相应为pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.13.1 torchvision==0.14.1 -f https://download.pytorch.org/whl/torch_stable.html
下载完成即可
验证cuda是否可用
在pycharm/vscode输入一下代码，查看cuda是否可用
import torchflag = torch.cuda.is_available()if flag: print("CUDA可使用")else: print("CUDA不可用")ngpu= 1device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")print("驱动为：",device)print("GPU型号： ",torch.cuda.get_device_name(0))
到此为止，可以使用本地gpu进行训练神经网络辽！