1Cuda下载与安装

1.1查看适合cuda的版本

1.2下载cuda toolkit

官网链接

1.3cuda安装步骤

cuda的安装步骤是“傻瓜式”的安装，建议安装在C盘，无需修改默认路径，下面列举几个重要的安装步骤

1.4配置环境变量

1.5验证

打开cmd，输入nvcc --version查看版本号，输入set cuda查看设置的环境变量

2cuDNN下载与安装

2.1cuDNN下载

下载前需要登录或者注册，链接如下：
https://developer.nvidia.com/rdp/cudnn-download

登录完毕后，再去下列网址选择你需要下载的版本
https://developer.nvidia.com/rdp/cudnn-archive

2.2cuDNN配置

将下载的cuDNN压缩包解压，并将里面3个文件夹复制到cuda的安装目录下，默认安装目录是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0

2.3配置环境变量

添加如下4条路径信息

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp

2.4验证

执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图

3安装PyTorch-GPU

3.1打开Anaconda Prompt

3.2创建虚拟环境

conda create -n pytorch python=3.7

3.3在虚拟环境中输入指令

在官网查找自己版本对应的指令
https://pytorch.org/get-started/locally/#no-cuda-1

3.4验证Pytorch-GPU

import torch
a = torch.cuda.is_available()
print(a)ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

详情见之前安装TensorFlow2.1的教程，都是一样的步骤
安装TensorFlow2.1GPU版本