Windows 系统从零配置 Python 环境，安装CUDA、CUDNN、PyTorch 详细教程

文章目录

1 配置 python 环境

1.1 安装 Anaconda

进入anaconda官网：https://www.anaconda.com/

点击 download 下载文件，我这里是

Anaconda3-2022.10-Windows-x86_64.exe

（后续更新版本exe文件会有差别）

下载后打开

.exe

文件下载 anaconda：

选择安装路径（用默认的路径也可以）：

这里两个都选：

然后安装就可以了。

1.2 检查环境安装成功

打开 cmd，输入 conda（如果是下图这样就说明 anaconda 安装成功了）：

输入 python，这里可以查看 Python 的版本：

1.3 创建虚拟环境

在 cmd 中输入

conda create -n 环境名 python==版本号

，如：

conda create -n pytorch python==3.9.13

（这里我自定义环境名为 pytorch，python 版本为 3.9.13）

输入

y

创建完就是这样的：

1.4 进入/退出 刚刚创建的环境

进入环境：输入

conda activate 环境名

，如

conda activate pytorch

退出环境：输入

conda deactivate

1.5 其它操作

1.5.1 查看电脑上所有已创建的环境

conda info --env

1.5.2 删除已创建的环境

conda remove -n 环境名 --all

2 安装 CUDA 和 CUDNN

2.1 查看自己电脑支持的 CUDA 版本

可参考：如何查看自己电脑当前版本CUDA 可兼容的最高版本

这就说明我的电脑可以安装的 CUDA 版本可以是 11.7.1 及以下的版本。

2.2 安装 CUDA

建议先去 pytorch 官网看下目前可以直接用指令安装的 CUDA 版本（主要是为了方便后续操作），此外，https://pytorch.org/get-started/previous-versions/ 也提供了以前版本的安装指令：

看 Compute Platform，有

CUDA 11.6

和

CUDA 11.7

，而且我电脑支持的最高 CUDA 版本为 11.7.1，所以后续安装时就安 11.6 或 11.7 版本的 CUDA。

前往 CUDA 官网：https://developer.nvidia.com/cuda-toolkit-archive

这里以 11.7.0 版本为例：

按如下选择（Installer Type两种都可以，因为是国外网站，下载用外网，如果速度慢的话就选

exe(network)

）：

下载完后执行 .exe 文件。

根据自己需求选择是否更改安装路径：

选择自定义：

这个不用管，点

下一步

就行：

选择安装位置（这里我改了路径，用默认的也可以，这个路径要记住，后续要用）：

至此 CUDA 安装结束。

2.3 安装 CUDNN

进入官网：https://developer.nvidia.com/rdp/cudnn-download

先登录/注册账号，然后按如下选择：

将下载后的 zip 文件解压，里面的内容如下：

找到刚才安装 CUDA 时选择的安装位置：

然后将 CUDNN 中

bin

文件夹中的所有文件复制到

.../CUDA/v11.7/bin

中；
CUDNN 中

include

文件夹中的所有文件复制到

.../CUDA/v11.7/include

中；
CUDNN 中

lib/x64

文件夹中的所有文件复制到

.../CUDA/v11.7/lib/x64

中。

至此 CUDNN 安装结束。

2.4 检查 CUDA 安装成功（查看 GPU 使用率、显存占用情况）

在 cmd 中输入

nvidia-smi

，同时这个指令也可以查看 GPU 的一些信息，如果出现如下界面就说明 CUDA 安装成功了，这是最好的（但好像有的电脑会报错

'nvidia-smi'不是内部或外部命令

，这不一定就表示 CUDA 安装失败了，可以搜一下解决方案，或者暂时不用管，继续往后做，即使安装失败也不会影响后续的操作，后面安装完 pytorch 后还能用其他代码检查 CUDA 是否可用）。

3 安装 PyTorch

3.1 安装 PyTorch

进入官网：https://pytorch.org/

点击 Install：

按如下选择（CUDA 版本要对应），下图中

Run this Command

中的指令后续要用到：

打开 cmd，进入之前创建的 Python 环境，输入

conda activate 环境名

，如：

conda activate pytorch

进入环境后输入指令（来源于上图）：

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

（这里要挂下外网，不然安装很慢的，没有条件的话请移步 【3.3 其它方法】。注意，不要像一些教程那样用清华源，用清华源安装的 pytorch 没有 GPU 版本的，全是依靠 CPU 的，GPU 和 CPU 的算力差距很大，跑深度学习代码时用 CPU 能慢死）

输入

y

：

然后等待安装就可以了，安装完是这样的：

3.2 检查安装是否成功

可输入如下指令：

import torch
print(torch.version.cuda)# 查看 CUDA 版本print(torch.cuda.is_available())# 查看 CUDA 是否可用（即训练时是否可用 GPU）print(torch.cuda.device_count())# 查看可行的 CUDA 数目

3.3 其它方法

如果没有加速器挂不了外网的话操作就比较麻烦了。这里再强调一遍！！！不要像一些教程那样用清华源，用清华源安装的 PyTorch 没有 GPU 版本的，全是依靠 CPU 的，跑深度学习代码时用 CPU 很慢。

在 PyTorch 官网中选择 Pip 的方法，找到如下网址：

然后我们进入打开这个网址，也就是 https://download.pytorch.org/whl/cu117

里面就是这样的：

我们需要自己下载的文件就是

torch

，

torchvision

，

torchaudio

然后我们先点击进入

torch

，找到如下位置（根据自己的 CUDA 版本、python 版本找到相应的文件，cu117 指的是 CUDA 版本为 11.7，cp39 指的是 python 版本为 3.9，版本一定要对应上），点击下载：

torchvision

和

torchaudio

同理：

然后我们把这三个 .whl 文件随便放到一个文件夹下：

然后打开 cmd，进入到这个文件夹，用

pip install 刚刚下载的文件

安装：

pip install torch-1.13.1+cu117-cp39-cp39-win_amd64.whl
pip install torchvision-0.14.1+cu117-cp39-cp39-win_amd64.whl
pip install torchaudio-0.13.1+cu117-cp39-cp39-win_amd64.whl

4 在 PyCharm 中使用 PyTorch

首先新建项目，按如下步骤操作：



然后点击

Create

创建项目即可

可通过以下代码测试使用 PyTorch：

import torch

print(torch.version.cuda)# 查看 CUDA 版本print(torch.cuda.is_available())# 查看 CUDA 是否可用（即训练时是否可用 GPU）print(torch.cuda.device_count())# 查看可行的 CUDA 数目

device = torch.device("cuda:0"if torch.cuda.is_available()else"cpu")print(device)print(torch.cuda.get_device_name(0))print(torch.rand(3,3).cuda())

5 远程 Linux 服务器配置 PyTorch

远程服务器配置 Anaconda 并安装 PyTorch 详细教程