傻瓜式教学，肯定保证您配置成功
前言
（个人介绍&初来乍到bb两句，如果毁坏了您阅读本文章的心情，我会立刻删除本部分）
大家好！我是来自北京工业大学大一的学生，读计算机科学与技术专业。由于学习成绩拉胯再加上初高中基础不行，在学习深度学习的过程中我吃了不少亏，其中一项就是本文章的主题——30系显卡虚拟环境配置。身边不少小伙伴也有这个苦恼，它实在是太难配置好了，不配置吧，又没法跑模型，十分麻烦。经过一个月的努力，我终于在昨天配置好了虚拟环境，整理好自己这一个月的经验，我决定分享出来，希望对您有帮助。
真正学编程也就一年不到吧，本文有不严谨的地方，和错误的地方，欢迎读者指正和批评，我一定会及时改正，感谢！
虚拟环境主体：
pytorch==1.7.1
torchvision==0.8.2
其余：numpy，opencv-python等，会在文章中提到，不着急
一.安装显卡驱动
1.查看自己的显卡型号
（1）方法一：
按下win键，输入“设备管理器”，点击进入
（2）方法二：
（win10）同时按下win+x，输入法切换成英文再按m或者找到并点击“设备管理器”
进入到设备管理器页面之后，按照如图的方法就能找到显卡型号了
2.上官网下载显卡驱动
https://www.nvidia.cn/Download/index.aspx?lang=cn
进入后出现以下页面（需要等页面完全刷新，请耐心）根据自己的显卡选择选项，最后点“搜索”，然后页面跳转，点下载即可。下载完直接运行下载好的软件，跟步骤走就行，默认安装即可，不在附图片了。
3.检查是否安装成功
按下win+r键，输入cmd后回车，进入到cmd控制台，输入nvidia-smi，出现如下内容就代表安装完成了！第一行“-----”下面这一行，最右边有个“CUDA Version”，代表了我们显卡支持哪个版本的cuda，它是向下兼容的，30系显卡只能安装11.0+的cuda，所以本文安装11.0的cuda。让我们进入到下一步吧！
二.安装Anaconda（Miniconda也行）
推荐去清华大学镜像站下载anaconda：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
安装教程：打开下载好的安装包，这里选哪个都行
下一步是自定义安装地址，地址不能含汉字，不配图了，相信难不倒大家
这一步很重要，当且仅当第一次下载anaconda时，两个都要选。除非你用anaconda的卸载程序把它卸载了，再次安装的时候还是需要两个都勾选。
然后点install等待完成安装就ok了。
安装完成之后同样在cmd窗口，输入conda，出现以下内容就是安装成功了。
三.安装python编辑器——个人推荐pycharm
https://www.jetbrains.com/pycharm/download/#section=windows
进去下载右边的community版（这个是免费版，够用）即可。
四.创建虚拟环境
1.创建虚拟环境框架
如果你的电脑用户名和我一样，是中文的，那么你不能用默认路径来创建虚拟环境，否则会出现这种情况：Not a conda environment：xxxxxxxx
老规矩，进入cmd窗口。
每一个虚拟环境对应一个版本的python，这里的版本是需要严格要求的，因为不同版本的pytorch对应不同的python版本，本文章使用python3.9.
控制台输入如下命令，-p=后面写你指定的路径，路径一定不要含中文名称，这里我使用的是anaconda自带的envs文件。其中test是你的虚拟环境名称，不可是中文名称。这里只是一个演示，起名最好起区分作用，比如你需要用到pytorch，那你可以起名为“pytorch”；你要安装tensorflow，你就起名为“tensorflow”等。
conda create -p=C:\ProgramData\Miniconda3\envs\test python=3.9
稍等片刻会出现如下界面，输入y之后耐心等待安装完成就行。
这就是安装完成的界面：
根据上面的提示，我们通过如下命令来激活我们的环境：
conda activate test
可以看到箭头位置出现了（test），代表激活成功，我们可以用conda list查看我们虚拟环境都安装了哪些插件。
2.更换国内镜像源
配置环境的时候需要下载很多插件，默认都是在python官网下载，这会导致下载非常慢，有时候还会出现下载失败，因此十分推荐更换镜像源地址。
先退出虚拟环境
conda deactivate
这里用的是中科大的镜像网站：
（1）为conda更换
conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
cmd窗口输入这些就行，直接复制进窗口按回车。
（2）为pip更换
在自己用户的根目录下面创建一个名为“pip”的文件夹
比如我的用户根目录就是“C:\Users\炫酷狂拽的电脑”
在pip文件夹下面创建一个txt文档，然后改后缀为“ini”
输入
[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors = true
mirrors = http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host = pypi.mirrors.ustc.edu.cn
保存并且关闭。
PS：网上还能搜索到更多的镜像，添加方法同上，不赘述了。我配置虚拟环境的时候用中科大的镜像就够了。
PSP：为什么我的文件不显示后缀？
方法：图中，我们的文件是没有后缀.xxx的，我们点击箭头位置
找到如图的内容，取消勾选，点最下面的确定即可，然后我们就可以通过重命名来更改文件后缀了！
五.安装CUDA和CUDNN（重要）
安装cuda困扰了我很久，因为安装它的时候经常会出现安装失败（这张图片来源于网络）
经常会有某个插件安装失败，具体原因我查了又查，怎么说的都有，我都迷糊了。我个人的解决办法就是，哪个安装失败取消安装哪个，请看以下说明：
每个CUDA都严格对应每一个CUDNN ，也对应着torch版本。30系显卡必须要11.0+的CUDA。其中CUDA11.0对应1.7.x的torch版本。如果你想安装更高版本的CUDA等，可以自行查询它们的对应关系，
CUDNN对应的CUDA版本及下载：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
查看方法
CUDA对应pytorch版本网址：https://pytorch.org/get-started/previous-versions/
这个网址直接教你下载对应的pytorch，如果你相信你的网速的话，直接按照他给的方法就行，我教的办法适用于像我这种网不好的同学。
言归正传，本文章给你提供了cuda_11.0.2_451.48_win10，它对应的CUDNN8.0.5.39和pytorch，无需去外网下载：（采用阿里云盘，下载速度快）
CUDA11.0 提取码: 54vw
CUDNN 提取码: 54vw
1.安装CUDA
点击CUDA安装包，稍等后这个界面点OK就行
耐心等待读条完毕（360要是弹窗，就允许所有操作）
这里选自定义
在自定义安装界面，我们取消勾选最容易导致安装失败的两个内容，一个是Visual Studio Intergration一个是Nsight VSE（不安的话具体后果仍未知，我没安装它，跑模型依旧跑得动，各位大佬要是知道的话欢迎指出）
然后点击下一步，等待安装完毕就行。为了方便以下教程，安装路径全是默认路径。
我在安装的时候遇到的安装错误只有这俩，读者们如果还遇到了其他错误，可以按照如下方法排查错误：在安装错误的页面，寻找“状态”栏目中显示“失败”的内容，重新安装，在自定义取消勾选就行
这里的失败内容就是Nsight VSE
但是有的组件不安装的话，会导致CUDA功能不全，如果出现了本文没有提到的错误，非常抱歉！我也没有解决办法，毕竟我也是个萌新，跌跌撞撞过来一部分靠的也是运气，当初为了安装CUDA，下了很多版本，熬了无数个夜。欢迎在评论区批评，我会尽力帮助大家找到解决办法，更新博客。
2.安装CUDNN
找到下载好的文件夹“cuda”将其剪切。找到Program Files下的NVIDIA GPU Computing Toolkit
在如下路径粘贴你的cuda文件夹，我这里为了区分，把cuda文件夹重命名为了cudnn
3.配置环境变量
按win键，搜索“查看高级系统设置”，进入后如图操作
为了防止大家眼花，我给非CUDA内容打码了。可以看到安装CUDA的时候，它帮我们配好了系统变量，我们需要自己手动配置用户变量，双击path（我这里path有变量，是因为我已经配好了）
点击新建
分别新建如下四个内容（输入的地址，根据自己电脑的地址灵活改变）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\cuda\bin
都输入好了确定就行，也可以把它们用“上移”按钮移动到最上方。
4.检验CUDA是否安装成功
打开cmd窗口，输入nvcc -V有如下内容，即为成功！
加油！革命即将胜利！
六.下载pytorch及所需组件
1.安装torch
阿里云盘禁止分享zip格式文件，因此我只能拿百度网盘分享，大家也可以通过官网下载，但是会很慢，推荐用软件Internet Download Manager（IDM）下载，会快一些。
链接：https://pan.baidu.com/s/1XW3imngaZQoPhblYUQui6A
提取码：0its
官网下载
IDM的使用方法很简单，复制上面这个下载地址，然后进入IDM点击左上角的新建任务，再点确定就ok了。
下载完之后，复制文件的全部名字 torch-1.7.1+cu110-cp39-cp39-win_amd64.whl
PS：这里的cp39代表了支持python=3.9的版本。还记得我们之前创建虚拟环境的时候写的是python=3.9吗？这里必须是严格对应的。如果你在网上找到的torch，后面写的是cp38，那你创建环境的时候必须写python=3.8，否则会因为版本不支持，导致whl文件无法安装。
然后打开cmd窗口，进入我们的test虚拟环境，输入
pip install torch-1.7.1+cu110-cp39-cp39-win_amd64.whl
会弹出如下的内容，我们只看红字，这样就能找到我们whl文件需要放在哪里了
把文件粘贴到找到的红字地址，然后再次安装，稍等片刻就ok了。
2.安装其余组件
（1）.完善torch安装
pip install torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
（2）其余组件安装
scipy
numpy
matplotlib
opencv_python
tqdm
Pillow
h5py
输入pip install scipy就可安装scipy，安装以上内容就行。也可以在非英文路径下创建一个requirements.txt文件，把这些内容复制进去，然后
pip install -r 路径\requirements.txt
用中科大的镜像源应该能实现它们的安装（我的电脑是这样的），如果不能的话，可以尝试添加多个镜像源
如：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
华中理工大学：http://pypi.hustunique.com/
安装好之后重启电脑
3.最终的验证：
我们激活的test环境已经安装好所有组件了，这时候电脑重启完毕，我们兴高采烈地打开了cmd窗口，依次输入了
conda activate test
python
import torch
print(torch.cuda.is_available())
显示为True，那么恭喜你，成功配置好了基于python3.9的torch环境
ohhhhhhhhhhhhhhhhhhhhhh!
恭喜你！革命取得了阶段性的胜利！
本文章特别鸣谢：
我的祖国
B站各位大佬的教程和开源
CSDN诸多大佬的教程
给予我重要帮助的同学，在CSDN也有账号qq_43716230
我还是个小萌新，第一次写教程，第一次接触深度学习，昨天刚配好虚拟环境。如果有写的不对，不周到，没能帮助到您的地方，欢迎私信，评论区批评！我会向大家学习，多多努力，多多进步！
我的b站UID：23415007
如果大家想要视频教学的话，五一放假我可以出一期！
版权归原作者 游戏新手老高 所有， 如有侵权，请联系我们删除。