win10下cuda安装以及利用anaconda安装pytorch-gpu过程

安装环境：win10+2070super

1.Cuda的下载安装及配置

（1）测试本机独立显卡是否支持CUDA的安装，点击此处查询显卡是否在列表中。

（2）查看自己是否能右键找到NVIDA控制面板，如果没有，去电脑控制面板寻找，点击控制面板-硬件和声音，若还是没有，打开Microsoft Store寻找安装，若还是没有，重装系统

（3）首先打开Pytorch的官网查询目前最新的CUDA版本此处，也可安装旧文件，这里选择最新的版本。然后回到CUDA此处，找到与torch相对应的版本

（4）接着就是安装过程，双击打开显示临时解压目录，不需要改变，默认即可。记住位置，事后删除即可

接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，但由于VS的原因，导致无法正常安装，于是我换成了自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。

安装完成之后，便是配置环境变量。路径：此电脑-右键属性-高级系统设置-环境变量-系统变量中path-环境变量配置如下图所示。

测试CUDA是否正常安装。可以看到测试成功，接着进行cudnn的下载。(步骤-开始右键-window-powershell-输入nvcc -V)

2.CUDNN的下载及配置
点击此处，选择下载download cudnn，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。

然后因为我上一步CUDA的版本是10.1,而CUDNN的版本要跟CUDA版本一致，所以选择第二个下载即可。

下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

3.Anacond的介绍

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。

Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

Anacond下载
下载地址：https://www.anaconda.com/distribution/#download-section

Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 版本为例，点击那个 Windows 图标。

接下来按照正常步骤安装即可，注册此处选择勾选第一个，添加环境变量，后续则无需自己添加。第二个不勾选

之后就可以打开命令行(最好用管理员模式打开) 输入 conda --version。

如果输出conda 4.5.4之类的就说明环境变量设置成功了.

4.pytorch-gpu的安装

直接来到Pytorch的官网：https://pytorch.org/get-started/locally/。复制以下指令

右键开始-找到Anaconda Powershell Prompt(anaconda3)，打开右键-回车

过程中可能会让你选择y/n，选择y回车即可。最好在改环境下挂VPn，不然太慢。若出错，多试几次即可，或者关机后重试

然后命令行验证pytorch是否正常安装成功，这里可以正常打印出版本号，安装没问题。若输入import torch报错，则表明安装失败

随后验证是否可以调用CUDA，print(torch.cuda.is_available())。出现True则表明成功，否则失败。

`5.安装opencv`

退出python环境后调用pip install opencv-contrib-python

退出指令exit()

6.安装numpy等包，

conda install package_name
package_name为包的名称

例如，要安装 numpy，在 Anaconda Prompt（终端）中输入：

conda install numpy
如果要同时安装多个包，可以输入：

conda install pandas numpy
如果想要指定包的版本，可以输入

conda install numpy=1.14
也可以指定环境安装包，可以输入以下命令安装 numpy

conda install -n python36 numpy