前言：神经网络模型的训练离不开硬件的支持，依靠GPU能够提高训练的速度，事半功倍。本文总结踩坑经验，一方面帮助自己回顾了解安装过程，另一方面如果后续有同学涉及到这方面的话，可以参考。本文并没有给出每一步骤，一是因为我是安装好以后写的，很多步骤无法写，另一方面，自己探索的成就感更大。

利用GPU跑的话，需要Anaconda、CUDA、CuDNN、Pytorch、Pycharm（根据自己的习惯选择）。

目 录

1. 步骤

2. 检查显卡

3. 显卡驱动CUDA适配版本

4. Anaconda

5. 下载CUDA

6. 检查CUDA是否安装好

7. 下载CuDNN

8. 下载GPU版本的pytorch

9. pytorch-pycharm中调试环境

1. 步骤

检查显卡-显卡驱动CUDA适配版本-下载Anaconda-下载CUDA-检查CUDA是否安装好-下载CuDNN-下载GPU版本的pytorch-pycharm中调试环境-大功告成

2. 检查显卡

检查步骤：控制面板-设备管理器-显示配适器

NVIDIA GeForce GTX 1060

3. 显卡驱动CUDA适配版本

检查步骤：控制面板-硬件和声音-NVIDIA控制面板

如果控制面板没有的话，可以下载一个，下载地址GeForce Experience 可自动更新驱动并优化游戏设置 | NVIDIA

下载之后，鼠标在桌面右键即可以看到NVIDIA控制面板

首选图形处理器换成高性能NVIDIA处理器

帮助-系统信息-显示-驱动版本；组件-cuda支持的版本

查看对应版本的CUDA，这部非常关键！！！请一定要重视，避免之后多次重装。

查看地址：Release Notes :: CUDA Toolkit Documentation (nvidia.com)

4. Anaconda

下载地址：Anaconda | Individual Edition

Anaconda下载可以直接在网上搜教程，很全，都可以用。

5. 下载CUDA

CUDA与CuDNN两个一起下载，都要下载。

CUDA Toolkit Archive | NVIDIA Developer

cuDNN Archive | NVIDIA Developer

以上的下载安装可以参考网上教程，很详细

6. 检查CUDA是否安装好

Windows+R打开cmd命令行，将目录换成CUDA路径，分别打开bandwidthTest.exe和deviceQuery.exe，如果看到pass，则说明安装成功。

7. 下载CuDNN

下载好后把对应的文件粘贴到CUDA中。

8. 下载GPU版本的pytorch

CUDA和CuDNN都下载安装好之后，要下载GPU版的pytorch才可以使用GPU。

打开pytorch官网

点击install previous version of Pytorch，

可以找到

打开该网址，下载GPU版本的pytorch。

有三个文件需要下载，torch、torchvision、torchaudio

Cu开头就是GPU版本，cp后面是python的版本，如果你的python是3.8，那么就找cp38。

Cu后面的数字是cuda的版本，cu100意味着cuda10.0版本，因此之前下载了什么版本的cuda，此时就要安装什么版本的pytorch。

下载好以后，在Anaconda prompt中创建新环境。将刚刚下载的三个文件在新环境下安装（如下图）。

打开Anaconda prompt

创建新环境conda create -n pytorch python=3.8

激活 conda activate pytorch

安装三个文件 转换目录到三个文件的下载位置（输入cd 文件目录）

输入 conda install “文件名”

用 conda list检查是否安装成功，可以看到有torch 1.4.0+cu 即安装成功

由于我已经安装好了，这部分可以观看从零开始教你在Windows上安装PyTorch，支持GPU计算，验证测试_哔哩哔哩_bilibili

9. pytorch-pycharm中调试环境

在pycharm的setting调试环境，将python的解释器换成anaconda创建的新环境即可。

检查是否能用GPU，在pycharm中输入以下代码，如果是true，则说明可以使用。

print(torch.cuda.is_available())

print(torch.__version__)

print(torch.version.cuda)