[Python知识库]win10下全套配置深度学习环境：Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm（详细教程，亲测可用）

Autonomous vehicle 杂谈_02

一.ReadMe

1. 本文针对于电脑中配备有GPU，且有深度学习需求的小伙伴们，搭建一个可用无污染的深度学习环境。
2. 文章是借鉴综合了网上大神们的各种方法，再经本人综合而成的，如有雷同纯属意外。

二. 第1步：安装Anaconda

1. 根据自己电脑的情况下载安装包：链接在此。
2. 下载完成后，解压安装包，按照指示一步一步完成即可。
3. 检验安装是否成功，并创建一个虚拟环境用于之后的配置。

# 检验安装是否成功：（在cmd终端输入）
conda --version

# 创建虚拟环境：（在cmd终端输入）
conda create -n Pytorch_GPU python=3.7

三. 第2步：安装CUDA10.2

1. 下载CUDA10.2：链接在此。（建议下载exe(local)版本） 注：如果之前下载在CUDA其他版本的可以对其他版本进行删除，具体方法请移步：链接在此
2. 下载结束后，双击.exe文件，进入安装阶段

这里选ok

这里选自定义安装

按照图示取消部分勾选
默认安装到C盘中，最好不要随便修改地址

等待安装成功

不必配置环境，只需检验CUDA是否安装成功即可

# 在cmd终端输入:
nvcc -V
# 如果提示以下内容，表示安装成功:
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:32:27_Pacific_Daylight_Time_2019
Cuda compilation tools, release 10.2, V10.2.89

四. 第3步：安装Cudnn，并对系统环境变量进行配置

1. 下载Cudnn安装包（需要注册一下），链接在此
2. 注册完之后，不要下载最新版的，下载稳定版v7.6.5：

找稳定版

下载

下载完后解压缩，会得到一个名为cuda的目录，将其中bin,include和lib目录中的内容拷贝到CUDA的安装目录（默认为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2）中。最终结果如下：

配置系统环境变量
此电脑 --> 属性 --> 高级系统设置 --> 高级 --> 环境变量
点击用户变量中的Path，点击新建，依次输入：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

输入完成后，确定、确定、确定。之后再检验一下安装是否成功：

# 在终端依次输入
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
bandwidthTest.exe  # 显示Result = Pass 即可
deviceQuery.exe  # 显示Result = Pass 即可

五. 第4步：安装PyTorch

1. 激活并进入第1步提前准备好的虚拟环境

activate Pytorch_GPU

2. pip下载安装Pytorch

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.6.0 torchvision===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

3. 等待下载安装完成后，进行安装结果的检验，在当前终端依次输入以下指令，结果如图即为安装成功（博主这里命名的虚拟环境是Pytorch2，所以会有些许不同）

python
import torch
torch.__version__
torch.cuda.is_available()

六. 第5步：将Pytorch配置到Pycharm中的项目中去

1. File -> Settings
   
2. Project Interpreter -> Show All…
   
3. 如果Show All…中没有刚才配置好的Pytorch环境，则需要我们自己将它配置进去
   
   
   
4. 选中之后，连续点击ok,直至最后。
5. 稍等片刻后，完成配置，检查Pycharm的右下角，是否如下图所示配置成功
   

综上所述，完成全套配置。

七. 心得体会

1. 要注意各个软件版本之间的匹配问题。
2. 最新版本的CUDA貌似不再需要配置Cudnn进行加速了。
3. 环境配置的好，是成功的一大半，完事开头难，不要轻易放弃。

八. 文章参考：

1. Windows系统CUDA10.2+CUDNN安装教程
2. Win10操作系统：PyTorch虚拟环境配置+PyCharm配置
3. 2020.08最新必看 pytorch+cuda10.2（或10.1）+python3.7版 30min完成安装（五小时血泪经验）亲测可用！！防坑！！

如有问题，敬请指正。欢迎转载，但请注明出处。