windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示AssertionError: Torch not compiled with CUDA enabled。说明需要安装CUDA，或者安装的pytorch版本是不带CUDA的版本，需要按照以下步骤操作。

步骤一：安装CUDA

步骤二：安装cuDDN

步骤三：测试运行代码

附：电脑不支持CUDA或者不想用gpu加速深度学习的

安装CUDA

这就是用来调用gpu的工具，进行高效并行计算

打开控制面板->NVIDIA控制面板->帮助->系统信息->组件，查看NVCUDA.DLL版本（有些电脑可能不支持CDUA，解决方法在文章最后）

进入这个网站下载对应版本的CUDA

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

下载以后选择自定义安装，选择全部组件安装。注意记下这里的安装目录。

安装cuDDN

可以理解为cuda的一个补丁，用来加速深度学习的一些运算的，特地针对深度学习进行优化了（我做的时候没有安装，应该也可以）

进入这个网站下载对应版本的CUDA（需要注册）

https://developer.nvidia.com/rdp/cudnn-download

下载之后，

(1)解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；

(2)分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5（CUDA安装目录）对应的include、lib、bin目录下即可。

(3)将bin所在的目录添加到环境变量 PATH 中，“此电脑”→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。

测试torch能否用gpu

import torch

print(torch.cuda.is_available())

输出True即可。

或者

import torch

print(torch.version.cuda)

输出CUDA的版本号即可。

此时运行你的深度学习程序应该就可以成功啦。

如果之前都做好了，却输出False或None则说明你安装的pytorch版本不对，可能是不带CUDA的版本。

进入https://pytorch.org/ 选择正确的CUDA版本进行下载。

这里我是之前下载了一个None版本的pytorch，卸载以后再用conda命令下载CUDA10.0版本的，结果发现还是不行。于是我改在pycharm中用pip安装命令安装pytorch，最后解决问题。

电脑不支持CUDA或者不想用gpu加速深度学习的小伙伴

改这三个地方就好啦，即把用到CUDA的地方都注释掉

红字是改之前的，绿字是改之后的