近期由于毕设需要使用Yolo，于是经过两天捣腾，加上看了CSDN上各位大佬的经验帖后，成功搭建好了GPU环境，并能成功使用。因而在此写下这次搭建的历程。
万事开头难，搭建环境很费时间，如果一开始版本不对应，到后面就要改来改去，很麻烦。首先要注意以下事项：
1. 你的显卡驱动版本。
2. 你的显卡算力。
3. Cuda和Cudnn版本对应问题。
4. Torch和Python对应关系。
我个人配置如下：
Python 3.7 + CUDA 11.6 + CUDNN 8.4.0 + Torch 1.12.0
目录
一、Anaconda下载与安装
二、查看电脑显卡信息
tips：查看显卡算力
三、CUDA下载与安装
3.1 查询Cuda版本
3.2 下载CUDA
3.3 CUDA安装
3.4 检验CUDA 是否安装成功
四、CUDNN下载与安装
4.1 CUDNN下载
4.2 CUDNN解压
4.3 检测CUDNN是否安装成功
五、Pytorch安装
5.1 创建Anaconda虚拟环境
5.2 下载Torch
5.3 检验torch是否安装成功
参考致谢
错误示范：
刚开始我的CUDA用的是11.4，后面下载Torch的时候报错，找不到满足版本的torch。
一、Anaconda下载与安装
下载地址：Anaconda | The World's Most Popular Data Science Platform
二、查看电脑显卡信息
首先我们得查看自己电脑是否有独立显卡。打开设备管理器 -> 显示适配器。可以看到我的电脑上有两块显卡。
其次，打开NVIDIA控制面板，查看显卡信息。右键 -> NVIDIA控制面板 -> 系统信息 -> 组件
记住你的驱动程序版本和你的NVCUDA64.DLL对应的版本名称。后续要用。
注意：高版本的Cuda是可以向下兼容的，但是不支持低版本向上兼容。我的电脑支持CUDA11.6，因此我可以向下下载cuda11.3等等，但是比如说你的是CUDA 11.0的话，你就不能下载CUDA 11.3和CUDA 11.6。这是跟着你电脑显卡信息来的。切记！！！
tips：查看显卡算力
打开NVIDIA网站：CUDA GPU | NVIDIA Developer
找到相应显卡所在区域，点击查看你的显卡算力。
三、CUDA下载与安装
3.1 查询Cuda版本
打开网址：CUDA 12.1 Release Notes
下滑至该表格处，windows看右边的驱动版本。表格中CUDA 11.6.x 要>=452.39。我的电脑是512.36（第二步中要记下来的那个驱动版本号），满足条件。
3.2 下载CUDA
打开网址：CUDA Toolkit Archive | NVIDIA Developer
找到对应的CUDA版本，下载。 强烈建议用迅雷！！！
3.3 CUDA安装
打开exe文件，地址默认不要改。
进入安装，然后选择自定义（高级 ），下一步就行了。[该安装过程忘了截图了。]
3.4 检验CUDA 是否安装成功
按 win + R ,输入cmd，进入命令行，输入命令： nvcc -V (注意中间有空格)
nvcc -V
四、CUDNN下载与安装
4.1 CUDNN下载
打开网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
找到对应CUDA 版本的CUDNN版本，下载。下载时需要登录NVIDIA账号，注册即可。下载还是建议用迅雷。
不要选择太新的CUDNN，我自己下的是CUDNN 8.4.0
4.2 CUDNN解压
CUDNN是一个压缩包，需要解压到相关目录里。
打开CUDA所在目录，我自己电脑上的是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
CUDNN压缩包里的内容是三个文件夹。将这三个文件夹覆盖到CUDA\v11.6的同名文件夹即可。
4.3 检测CUDNN是否安装成功
按 win + R，输入cmd，切换目录路径到CUDA文件夹里的 v11.6 下的 extras 文件夹下的demo_suite文件夹中，按顺序执行deviceQuery.exe和bandwidthTest.exe文件。
注意文件位置！！！
执行deviceQuery.exe, 最后显示PASS。
执行bandwithTest.exe, 最后显示PASS。
五、Pytorch安装
5.1 创建Anaconda虚拟环境
打开Anaconda Prompt ，输入命令：conda create -n 你创建的环境姓名 python==版本号。
conda create -n pytorch python==3.7
activate pytorch
5.2 下载Torch
Torch和Python对应关系：mirrors / pytorch / vision · GitCode
打开网址：Previous PyTorch Versions | PyTorch
找到对应的CUDA版本命令输入即可，静静等待。
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge
5.3 检验torch是否安装成功
打开Anaconda Prompt ，激活环境，输入python。
注意：因为torch是python当中的，所以要进入python语言环境中。如果直接输入import torch的话就会报错。
输入以下代码进行检验
import torch # 如果pytorch安装成功即可导入
print(torch.__version__) #torch版本
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号
以上是我这两天来配置环境的过程，希望对正在配置GPU的你有用。如有错误，敬请各位大佬指正。
参考致谢
[PyTorch] 安装笔记, 基于Windows10/cuda11.6 - 知乎
PyTorch、CUDA Toolkit 及显卡驱动版本对应关系_pytorch cuda版本对应关系_浪迹天涯@wxy的博客-CSDN博客
python、torch、torchvision、CUDA、cudnn、GPU、各驱动版本对应问题记录_torch对应cudnn版本_SigMap的博客-CSDN博客
(conda + pip) 配置各版本 Pytorch 深度学习环境_pytorch版本_听 风、的博客-CSDN博客文章来源：https://www.toymoban.com/news/detail-677489.html
Win10安装cuda、cudnn检测是否安装成功_检测cudnn_旅途中的宽~的博客-CSDN博客文章来源地址https://www.toymoban.com/news/detail-677489.html
到了这里，关于深度学习—Python、Cuda、Cudnn、Torch环境配置搭建的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
