以下是我親測有效的使用 GTX 1060 的各部分安裝版本
電腦系統(tǒng)：window 10
python版本：3.8.13
pytorch版本：1.11.0
CUDA版本：11.3
cuDNN版本：8.2
以下是我個人安裝過程的步驟，以及我踩過的坑，這里解決踩坑問題主要參考：
RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 環(huán)境——個人配置經(jīng)驗
Win10+MX250+CUDA11.3+cuDNN+Pytorch安裝
前言
由于本人今年CS準(zhǔn)研一小白，入門深度學(xué)習(xí)的過程中，在學(xué)長的推薦下學(xué)習(xí)了李沫大神的《動手學(xué)深度學(xué)習(xí)》，在安裝的pytorch環(huán)境的過程鐘遇到的一些坑，在此特意分享踩坑心得，也防止下次換電腦重新裝新的環(huán)境的時候避免再次遇到同樣的問題。
一、安裝Miniconda
這里根據(jù)李沫大神的《動手學(xué)深度學(xué)習(xí)》的安裝教程進(jìn)行安裝的，大家也可以選擇安裝完整的conda。最簡單的方法就是安裝依賴Python 3.x的Miniconda。 如果已安裝conda，則可以跳過以下步驟。
1、進(jìn)入Miniconda官網(wǎng)：https://conda.io/en/latest/miniconda.html
二、創(chuàng)建conda環(huán)境
1.打開控制臺
2.輸入命令：
conda create --name torch_gpu python=3.8
其中的torch_gpu為anaconda下虛擬環(huán)境名稱，可自定義，python=3.8為選擇安裝的python版本。
然后輸入Y，按回車則進(jìn)行創(chuàng)建，創(chuàng)建完成后是這個界面就證明創(chuàng)建成功了。
接著啟用創(chuàng)建的環(huán)境：
conda activate torch_gpu
我們可以使用conda list命令來查看當(dāng)前conda環(huán)境中有哪些包。
關(guān)閉該環(huán)境的話，輸入指令：conda deactivate
三.安裝pytorch深度學(xué)習(xí)框架和d2l軟件包
這里按照李沫的教程傻乎乎的pip跟著安裝，最后發(fā)現(xiàn)是cpu版本，后來把好不容易下好的包又卸載掉了，如果電腦沒有g(shù)pu的話，可以安裝cpu版本，但是后期可能在大型網(wǎng)絡(luò)的訓(xùn)練上就會很慢。如果需要安裝CPU版本的話就是如下命令。
pip install torch==1.11.0
pip install torchvision==0.12.0
我們的下一步是安裝d2l包，以方便調(diào)取本書中經(jīng)常使用的函數(shù)和類：
pip install d2l==0.17.5
好了這里不廢話了
現(xiàn)在正式開始我們Pytorch-GPU版本的安裝
第一步，我們首先需要確定自己的顯卡cuda版本，查下英偉達(dá)的驅(qū)動和cuda的對應(yīng)關(guān)系。
查看自己cuda版本方法如下，打開英偉達(dá)控制面板–>系統(tǒng)信息–>組件
如果是老的顯卡驅(qū)動可能cuda版本是10.2，這里我提前更新了一下顯卡驅(qū)動，因為pytorch官網(wǎng)說win10不支持10.2cuda，支持11.3。
我的驅(qū)動版本是465.89驅(qū)動，剛好滿足cuda 是11.3
如果大家的環(huán)境和我一樣，官網(wǎng)下載太慢了，我這里提供我的465.89驅(qū)動+cuda11.3+cudnn8.2的百度網(wǎng)盤下載鏈接。
鏈接：https://pan.baidu.com/s/1vBn98D7D2VzTvAdZ4ir91w
提取碼：psck
英偉達(dá)Game驅(qū)動和Studio驅(qū)動有什么區(qū)別？其實Game驅(qū)動針對游戲玩家安裝，為各大游戲提供絕佳的游戲體驗。studio字面就是工作室，原來叫creator driver，適合CG行業(yè)方面的從業(yè)人員，推薦安裝Studio版本，在穩(wěn)定性和三維軟件的針對性上有優(yōu)化加成吧。
到官方下載英偉達(dá)驅(qū)動 https://www.nvidia.cn/geforce/drivers/
第一步先下載cuda11.3，鏈接:https://developer.nvidia.com/cuda-toolkit-archive
下載好之后默認(rèn)安裝就可以了。
安裝完成檢查cuda是否安裝成功
在命令行輸入
nvcc -V
如圖所示則為成功
第二部下載cudnn8.2，鏈接：https://developer.nvidia.com/cudnn
下載cuDNN需要注冊NVIDIA賬號并登錄，我使用qq郵箱可以正常收發(fā)郵件。
郵箱驗證完后，補全一些信息即可。
下載好解壓文件夾到桌面，可以得到如下的目錄。
然后找到cuda，英偉達(dá)安裝的位置，默認(rèn)安裝文件夾的位置應(yīng)該是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
然后把bin ；include ；lib文件夾復(fù)制過去。
四、pytorch-gpu安裝
在剛剛創(chuàng)建的環(huán)境中安裝pytorch, 在pytorch 官網(wǎng) https://pytorch.org/get-started/locally/ 找到對應(yīng)的下載指令進(jìn)行下載，選擇與自己環(huán)境匹配的，如下是我的環(huán)境配置：
在已經(jīng)激活的環(huán)境中輸入上圖紅框中的命令：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
默認(rèn)pytorch官網(wǎng)為下載源，下載速度太慢，很容易報錯，所以更改為清華大學(xué)鏡像，命令行輸入下面的命令：
#添加Anaconda的清華鏡像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#設(shè)置搜索時顯示通道地址
config --set show_channel_urls yes
然后在輸入：
conda install pytorch torchvision cudatoolkit=11.3
注意要把后面的-c pytorch去掉，不然還是使用的默認(rèn)源下載。
根據(jù)提示安裝后，進(jìn)行測試：
import torch
torch.cuda.is_available()
如果顯示True則證明安裝成功。
這里我就在想為什么呢？
我們用conda list查看發(fā)現(xiàn)清華源下載的是cpu版本的pytorch
確實好像是裝成了cpu的版本
卸載命令：conda uninstall xxx //卸載xxx包
conda uninstall pytorch
注：如果要刪除自定義源更換回conda的默認(rèn)源，直接刪除channels即可，命令如下：
conda config --remove-key channels
然后采用官網(wǎng)默認(rèn)的源進(jìn)行安裝就成功了，就是速度很慢。
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
五、測試
最后安裝完成之后再進(jìn)行驗證。文章來源：http://www.zghlxwxcb.cn/news/detail-460308.html
conda activate d2l-gpu
(d2l-gpu) C:\Users\Administrator>python
Python 3.8.13 | packaged by conda-forge | (default, Mar 25 2022, 05:59:00) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available() # cuda是否可用
True
>>> print(torch.version.cuda) # 查看pytorch 對應(yīng)的cuda版本
11.3
>>> print(torch.__version__) # 查看pytorch版本
1.11.0
>>> torch.cuda.device_count() # 返回gpu數(shù)量
1
>>> torch.cuda.get_device_name(0) # 返回gpu名字，設(shè)備索引默認(rèn)從0開始；
'NVIDIA GeForce GTX 1060'
>>> torch.cuda.current_device() # 返回當(dāng)前設(shè)備索引
0
>>> print(torch.backends.cudnn.version()) #檢測cudnn可用性
8200
>>>
通過nvcc -V和nvidia-smi分別查看cuda版本
大功告成！
文章來源地址http://www.zghlxwxcb.cn/news/detail-460308.html
到了這里，關(guān)于GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——個人配置踩坑日記的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
