去年底入手一台聯想Y7000P,配置了Nvidia GeForce GTX 1660 Ti GPU，GPU內存6G，但是因為有GPU服務器，所以一直沒有在這台筆記本上跑過模型，如今經過一番折騰，終於在此筆記本上搭建好了環境，並成功使用GPU訓練了一些模型，本篇記錄了環境搭建的過程。
注意：
1、CUDA和CUDNN不是必須另外安裝的(當然裝了也沒關系)，除非你要開發CUDA程序，否則如果只是用pytorch等框架，則只需要使用 CUDA 的動態鏈接庫，而這部分在使用conda安裝pytorch的時候會一起安裝好，也就是說使用conda 安裝pytorch之后，無需另外單獨安裝CUDA和CUDNN，並且你會發現在本地庫中有一個cudatoolkit 的包被安裝了。但是，如果要為 Pytorch 添加 CUDA 的相關擴展時(參考：https://tutorials.pytorch.kr/advanced/cpp_extension.html )，會對編寫的 CUDA 相關程序進行編譯等操作，那么就需另外單獨安裝CUDA和CUDNN.
2、pytorch1.2.0版本在使用tensorboard的時候有很多坑，比如網絡圖無法正常顯示，所以建議安裝1.2.0以上的版本，后來我裝了最新的穩定版1.5.0，對應的torchvision是0.6.0
一、檢查你的GPU
首先確保你的電腦有Nvidia的GPU，並且支持CUDA，可以參考這個網址。
二、安裝vs2017(可選)
Visual Studio 2017 Community下載地址
安裝選項：勾選“C++的桌面開發”,右邊的列表再額外勾選一個SDK,這個SDK是在后續測試CUDA樣例的時候要用到的，如下圖：
三、安裝CUDA10.0(可選)
下載
打開網站：CUDA10.0
按照下圖選擇對應的選項后，點擊下載：
安裝
雙擊下載的文件，選擇自定義安裝，如果之前你已經安裝過顯卡驅動並且兼容CUDA10.0，可以在這里去掉顯卡驅動的勾選，兼容情況參考這里，截圖如下：
另外，去掉Visual studio integration的勾選：
后面默認選擇下一步，等待安裝完成。
測試
命令行測試：
nvcc -V
輸出以下信息即成功:
樣例測試：
以管理員方式打開vs2017，然后加載bandwidthTest解決方案，路徑如下：
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\1_Utilities\bandwidthTest\bandwidthTest_vs2017.vcxproj
右鍵點擊bandwidthTest，選擇生成，等待生成結果成功。此時在路徑：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Debug 下，會出現一個bandwidthTest.exe文件，在cmd中執行，結果為PASS則為通過測試。
另外還有一個deviceQuery的樣例，其測試過程同上。
四、安裝CUDNN(可選)
打開CUDNN的網址
如下圖，選擇后會下載:
下載文件解壓縮出來，然后根據下面的步驟操作(圖中拿10.2舉例的，因為是官方的教程)：
五、安裝pytorch
添加conda的清華鏡像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
添加額外的pytorch源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
安裝
conda config --set show_channel_urls yes
conda install pytorch=1.5.0 torchvision=0.6.0 cudatoolkit=10.1
到此安裝就完成了。
ok,本篇就這么多內容啦~，感謝閱讀O(∩_∩)O。
