快速搭建PyTorch环境，轻松上手深度学习

安装Pytorch的流程：

一、安装Visual Studio

CUDA安装之前需要先安装Visual Studio，因为CUDA依赖Visual Studio的组件，否则安装过程中会出现下述情况：

Visual Studio在官网下载，Community的免费版本就够用了：Visual Studio

安装流程如下：

首先安装安装程序：

在选择组件的时候我只选择了Visual Studio核心编辑器以及C++桌面开发这两个：

最后选择安装位置，我这里更改了新的安装位置：

最后点击安装即可。

我一开始下载的最新的2022版本，安装完成之后还是会出现检测不到Visual Studio的情况，最后得到的结论是版本不匹配，最后下载的是2019版的Visual Studio，就可以正常安装后续的CUDA了。

二、安装CUDA

安装CUDA的时候需要查看自己电脑上GPU能支持的最高版本的CUDA，一共有两种方式。一种是打开cmd，输入命令nvidia-smi：

另一种方式是在桌面的界面，右键-NVDIA控制面板-帮助-系统信息-组件，可以看见目前GPU的驱动软件版本以及能够支持的最高的CUDA版本：

可以从图片中看到，我的电脑上GPU的驱动版本是457.49；能够支持的CUDA最高版本是11.1。接下来就可以去CUDA官网上下载对应的CUDA版本：

因为我的电脑上能支持的最高版本的CUDA是11.1，所以我选择的就是11.1。

点进链接之后可以根据自己电脑的实际情况选择相关的配置，我的电脑是Windows系统、64位、Win10，并且我是需要本地安装：

选择完成之后，点击下载即可，下载完成后就可以安装了。

一开始会让你选择一个临时解压路径，需要注意的是这个路径在完成安装后会自动删除，因此千万不要和后续的安装位置选成同一个文件夹，否则会出现CUDA安装完成后找不到安装文件目录，如果实在弄不清楚的话，可以直接保持默认文件路径：

开始安装：

这里需要选择自定义安装：

这里如果当前版本高于新版本的话，就把勾去掉，其他我都是保持默认的全部勾选：

这里就是CUDA的安装位置，再强调一遍，和前面临时解压路径一定要不一样，否则刚安装完就全部删掉了：

接下来点击安装：

安装结束的页面，没有什么需要注意的点：

安装完成之后需要检测CUDA是否安装成功，在cmd中输入命令nvcc -V，如果能够显示CUDA的版本信息就表明CUDA安装成功：

三、安装CUDNN

安装完CUDA之后就可以安装CUDNN了，在CUDNN官网上下载即可：

下载CUDNN的话需要先注册一个账号，流程很简单，按照提示完成即可，这里就不展示了。下载完成之后是一个.zip后缀的文件，解压缩之后把文件的名称改成cudnn，然后将该文件整体剪切到CUDA的安装路径下：

接下来配置环境变量，一个是CUDA安装路径下的./extras/CUPTI/lib64，还有一个是CUDNN的bin路径：

到这里基本上就算安装成功了，后面安装pytorch就好！

四、安装pytorch

进入pytorch官网，根据自己的情况选择相应的选项：

选择完成之后复制command里面的代码，然后粘贴到cmd中就可以进行安装了！由于这里显示的只有11.7和11.8两个版本，我能够支持的是11.1，所以我需要找之前的版本，这里我也把链接贴出来：pytorch-previous-versions，这个链接可以在官网上找到的。

我的command代码是：pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111，下面就是正在安装的状态：

最后输入：print(torch.cuda.is_available())，如果返回值为True，则说明安装成功，如果是False则说明安装失败。