目录

一、基础认知

1、CUDA

2、cuDNN

二、检查显卡

三、GPU版CUDA

1、检查适合版本

2、安装CUDA

2.1 下载

2.2 安装

2.3 检查环境变量

2.4 验证

四、cuDNN安装

1、下载与CUDA相匹配的cuDNN版本

2、添加路径

3、验证

五、安装PyTorch

六、CPU版本

---

建议用Anaconda创建一个虚拟环境，用于运行安装你的PyTorch

（一定要先确定你要安装的pytorch版本支持的Python版本）

一、基础认知

        cuDNN（CUDA Deep Neural Network library）是 NVIDIA 开发的用于深度学习的 GPU 加速库。它专门针对深度神经网络中的常见操作（如卷积、池化、归一化等）进行了高度优化，能够显著提高深度学习模型的训练和推理速度。

        cuDNN和 CUDA（Compute Unified Device Architecture）密切相关，它们共同构成了高性能 GPU计算的基础，尤其在深度学习领域

        1、CUDA

        是由 NVIDIA 提供的并行计算平台和编程模型，它允许开发者利用 NVIDIA GPU 的强大计算能力进行通用计算，包括‌科学计算、‌机器学习、‌图像处理和‌视频处理等。CUDA提供了GPU并行计算的底层基础，使GPU能够解决复杂的计算问题

        2、cuDNN

        cuDNN是基于CUDA的深度神经网络加速库，提供了针对深度学习常见操作（如卷积、池化、归一化、激活函数等）的高度优化实现

        cuDNN是建立在CUDA之上的库，它依赖于 CUDA 提供的基础计算能力。因此，使用 cuDNN 必须先安装 CUDA

二、检查显卡

        第一步右击此电脑点击属性------找到设备管理器（也可以直接“win+x”在弹出的窗口找到设备管理器）-------找到显示适配器，查看显卡是否是NVIDIA开头，（如下图）

（如果不是英伟达显卡，只能下载CPU版本的CUDA）

安装CPU版本CUDA直接跳过安装CUDA、cuDNN，看第六大点

三、GPU版CUDA

        1、检查适合版本

        首先，在桌面右击鼠标，点击显示更多选项，找到NVIDIA控制面板

        然后，点击弹出窗口左下角系统信息，在3D设置中找到NVCUDA64.DLL

这就是电脑支持的CUDA版本号，如我的电脑支持的最高版本就是12.9版本

（下载的CUDA版本必须小于等于你电脑支持的版本）

也可以在终端里输入：nvidia-smi查看版本号

        2、安装CUDA

        2.1 下载

        在安装PyTorch时无需单独安装CUDA，安装包会根据你选择的 CUDA 版本自动包含所需的CUDA库。只用 PyTorch 训练/推理模型的情况不需要单独安装CUDA

        CUDA官网：CUDA Toolkit Archive | NVIDIA Developer

        在官网找适合的版本下载即可，但不建议下载太新的版本，太新的版本可能容易出现问题

下面是12.8版本示例：

        2.2 安装

        下载好以后双击打开

        选择自定义安装

        如果是第一次安装，尽量组件全选；如果不是，尽量只选择第一个，不如会出错

        点开第一个CUDA，取消勾选 Visual Studio Integration

        记住安装路径，后面配置环境变量时要用到

        2.3 检查环境变量

        右击此电脑选择属性----打开高级系统设置----点击高级----点击环境变量；

        在系统变量中查看是否有CUDA_PATH和CUDA_PATH_V12_8这两个变量(其他版本不是12_8)，以及变量的值是否为CUDA的安装路径

        2.4 验证

        在cmd终端中，输入以下命令：

        nvcc --version 或 nvcc -V （查看当前cuda版本）

        set cuda （查看cuda系统变量）

四、cuDNN安装

        1、下载与CUDA相匹配的cuDNN版本

        官网：cuDNN Archive | NVIDIA Developer

        下载完成得到cuDNN压缩包，将CUDNN解压缩会得到下面三个文件夹以及一个.txt文件

        把三个文件夹拷贝到CUDA的安装目录下

（在拷贝文件夹时，CUDA 的安装目录中存在和 cuDNN文件解压缩后的同名文件夹，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中）

        2、添加路径

        在之前的环境变量那里，系统变量里有一个path，点开它；

        将这四个文件的路径复制粘贴到path里面（路径可能和我不一样，在CUDA的安装目录下）

        3、验证

        找到 extras/demo_suite 文件，在路径栏输入cmd。

输入 deviceQuery.exe ，出现下面的内容即成功

输入 bandwidthTest.exe ，出现下面的内容即成功

至此，cuDNN安装完成

五、安装PyTorch

官网：Previous PyTorch Versions

要保证你选择的CUDA版本号<=你的GPU驱动程序版本

比如我的是12.8版本，就复制框里的指令

然后在准备好的虚拟环境中粘贴这段指令

（它支持 pip 下载，也支持 conda 下载，选择常用的就行）

六、CPU版本

        如果驱动不是NVIDIA ，说明没有CUDA，建议安装CPU版本

        CPU版本的下载非常简单，直接进入pytorch官网下载CPU版本即可，就是上面图中红框下面那段指令