windows中超详细深度学习环境配置之安装显卡驱动、cuda、cudnn、pytorch、torchvision、pycharm

一、显卡驱动安装

大多数windows10/Windows11其实已安装好了显卡驱动，如果你已经安装好了显卡驱动，请直接跳过该章。

1.1 下载驱动

进入官方下载地址 https://www.nvidia.cn/drivers/lookup/
根据自己显卡的类型，选择对应的参数，最后单击查找并下载即可。

1.2 安装驱动

双击下载下来的驱动，直接安装即可，尽量选择默认安装路径。安装完成后，可以按win+r键盘，输入cmd回车，弹出如下所示终端，输入nvidia-smi，若显示如下，则说明驱动已经安装好了。

二、cuda安装

安装cuda时，注意版本对应问题，下图中的1表示你可以安装的cuda的最高版本。

2.1 下载cuda

https://developer.nvidia.com/cuda-toolkit-archive
我可以装的最高版本是12.5，我下载12.1.0版本的cuda（主要是为了能下载到对应版本的pytorch，版本太高，对应pytorch都很难下载到哦）

按照图中所示，选择自己的相关信息，然后下载，我的信息选择如下图所示：

2.2 安装cuda

双击所下载的cuda安装包，然后选择安装的目录，本人默认，然后单击OK，接着一路的选择如以下图所示，按照顺序依次走完就安装完成了。

2.3 检查cuda是否安装成功

打开终端，输入nvcc -v,弹出如下界面，本人安装的cuda版本为12.1.0，安装成功。

三、安装cudnn

3.1 cudnn下载

https://developer.nvidia.com/rdp/cudnn-archive
本人下载的如下图所示，只要和cuda版本对应即可。注意，下载时需要注册并登录账号才可以。

3.2 cudnn安装

解压掉下载下来的cudnn后，如下图所示：

将上图所示中的三个文件，依次粘贴到cuda的对应目录中，我的cuda安装目录为：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

说详细一点就是：
1、把解压后cudnn文件中bin下的所有内容粘贴到:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin

2、把解压后cudnn文件中include下的所有内容粘贴到:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include

3、把解压后cudnn文件中lib\x64下的所有内容粘贴到:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib\x64

四、安装miniconda

4.1 miniconda下载

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/?C=S
我下载的是如下图所示的版本：

4.2 miniconda安装

双击Miniconda安装包，后面所有安装过程依次见以下图系：

4.3 添加环境变量

将以下minionda的三个文件路径，添加到环境变量当中去，我的路径如下：

C:\ProgramData\miniconda3\Library\bin
C:\ProgramData\miniconda3
C:\ProgramData\miniconda3\Scripts

添加环境变量的过程为：首先光标移到我的电脑上右键–》属性》高级系统设置后，弹出窗口如下，按照图中标号选择操作，接着依次按后面图序操作即可。

双击path


至此miniconda安装完成。

五、安装pytorch和torchvision

5.1 下载pytorch和torchvision

pytorch：https://download.pytorch.org/whl/torch/
torchvision：https://download.pytorch.org/whl/torchvision/
本人下载的torch和torchvision的版本如下图所示：

5.2 pytorch和torchvision安装

打开终端，创建使用conda创建环境并激活


设置pip镜像地址，不然安装torch时自动下载其他依赖的过程很慢：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

进入到torch及torchvision所在的文件夹，使用pip安装

5.3 检查GPU版本的torch是否可用

使用如下命令查看GPU版本的pytorch是否可用

import torch
torch.cuda.is_available()

从图中可以看到，完美可用。

六、安装pycharm

6.1 pycharm下载

https://www.jetbrains.com.cn/pycharm/download/?section=linux
进入后如下如，如果要下载社区免费版本就向下滑动，社区版本就在本页最下面，选好后会直接下载的

6.2 pycharm安装

双击安装包，依次按如下图所示操作，即可完成安装：

6.3 pycharm中配置conda环境

用pycharm打开或者新建一个项目，接着按照以下图序继续往下走

七、附本人所使用的安装包截屏