這篇博客就是為了記錄下我自己配置PyTorch-GPU的過程。
因為我之前換過一次電腦，導致我這里還要再重新配置一下PyTorch。然而我之前配置的時候又沒有做好記錄，這次配置又要百度各種教程。😂吸取之前的教訓，我現在要記錄下我自己的配置過程，省的之后再安裝還要百度23333333
創建conda虛擬環境
我通過如下命令創建了虛擬環境：
conda create -n pygpu pip python=3.7
在這里我發現我老是無法創建成功，我感覺可能就是源的原因吧。於是我參考 conda源配置 這篇博客，使用如下命令配置中科大源，解決了問題。
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 --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
配置CUDA環境
因為我這台電腦之前已經安裝過CUDA了，這次就只檢查一下是否配置成功了。而關於如何安裝CUDA，可以參考 Win10系統安裝CUDA10.0和cuDNN 這篇博客。
命令行測試
打開cmd命令行窗口，通過如下命令檢查cuda是否安裝：
通過如下命令檢查cuda是否安裝：
nvcc -V
輸出了
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:26_Pacific_Standard_Time_2019
Cuda compilation tools, release 10.1, V10.1.105
這表明我已經安裝好了cuda10.1的版本。
編譯測試文件
打開C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1路徑下的Samples_vs2017.sln
在“解決方案資源管理器”中找到1_Utilities，右鍵點擊“生成”
這時VS2017在編譯過程中產生“找不到Windows SDK版本”的錯誤：
解決方法：在解決方案中右鍵選擇“重定解決方案目標”
點擊確定即可通過編譯。
驗證deviceQuery.exe和bandwidthTest.exe
cmd窗口進入如下路徑
cd C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64\Release
分別輸入deviceQuery，bandwidthTest並運行，Result = PASS則說明通過，反之，Result = Fail 則需要重新安裝。
配置CUDA環境變量
- 確認系統環境變量中：CUDA_PATH和CUDA_PATH_V10.0已經存在
- 添加：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
- 在cmd窗口查看環境變量配置情況，輸入
set cuda，輸出如下：
安裝cuDNN
打開 cuDNN網頁
注意在下載之前需要完成開發者注冊（就是注冊一個賬號）
選擇與CUDA匹配的cuDNN版本進行下載
下載之后是個壓縮包文件，解壓縮：
將CUDA\bin、CUDA\include、CUDA\lib中的內容拷貝到相應的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1文件路徑下即可。
這里我參照 Win10系統安裝CUDA10.0和cuDNN 這篇博客中加入了系統環境變量如下：
安裝pytorch
在 Pytorch官網 中找到安裝的命令。
我這里是直接使用pip安裝的。
使用如下命令
pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html
驗證是否安裝成功
為了確保PyTorch安裝成功，我們需要運行簡單的樣例代碼測試，例如打印出隨機生成的張量矩陣，以及gpu是否可以使用。
首先在命令行輸入python，進入python的解釋器，輸入以下語句
import torch
x = torch.rand(5,3)
print(x)
輸出如下：
tensor([[0.9943, 0.2830, 0.5508],
[0.0765, 0.6474, 0.0059],
[0.7241, 0.1868, 0.5398],
[0.3217, 0.4664, 0.4242],
[0.3351, 0.2482, 0.7371]])
說明PyTorch安裝成功。
接下來再輸入
torch.cuda.is_available()
輸出為True即證明支持GPU了。