这里写目录标题
- 查看能否使用GPU
- 查看自己的GPU参数
- 安装GPU版本对应的cuda
- 卸载之前安装的cuda
- 安装cuda版本对应的cudnn
- 添加CUDA的环境变量（如果已经存在，则不需要重复添加）
- 配置cudnn
- 配置cudnn环境变量
- 查看cuda版本
- 查看cudnn版本
- 查看cuda和cudnn是否安装成功
- 删除虚拟环境cpu版本的torch
- 官网上安装pytorch
- 查看cudnn、cuda对应版本的tensorflow-gpu
查看能否使用GPU
使用GPU之前，需要确保GPU是可以使用，可通过torch.cuda.is_available()的返回值来进行判断。返回True则具有能够使用的GPU
在pycharm的terminal中输入
python
import torch
print(torch.cuda.is_available())okk，我输出的是False
而且我忘记我装没装cuda，cudnn啥的了，版本更是记不住，我只知道我现在python版本是3.8，pytorch版本是2.1.1
查看自己的GPU参数
以我自己的实验室电脑为例win+R，输入：
nvidia-smi
可以看到我的驱动器版本是512.36，CUDA Version并不是必须安装此版本的CUDA。
安装GPU版本对应的cuda
版本对应链接：click here
要选择对应的cuda，版本高了低了都不行
安装cuda链接：cilck here
卸载之前安装的cuda
控制面板->所用控制面板项->程序与功能
安装cuda版本对应的cudnn
链接：click here
添加CUDA的环境变量（如果已经存在，则不需要重复添加）
配置cudnn
配置cudnn环境变量
查看cuda版本
win+R打开命令行cmd
输入：
nvcc -V结果：
实验室电脑的cuda版本是：10.1.243
查看cudnn版本
打开cudnn文件夹 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
查找里面的这个文件：cudnn_version.h（内个博主给的是cudnn.h，我电脑里面不是这个文件）
然后我用的vs打开：
说明我的cudnn是8.0.5
查看cuda和cudnn是否安装成功
win+R到达cmd然后转到文件：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite在命令行打开分别打开bandwidthTest.exe和deviceQuery.exe
之后结果：
两个Result = PASS则成功!
删除虚拟环境cpu版本的torch
如果是在虚拟环境里，那么找到该虚拟环境的lib->site-packages（envs表示根目录，里面有你所有的虚拟环境）
官网上安装pytorch
ok，目前已知我的cuda版本是10.1.243
打开官网：previous_versions 找到对应版本pytorch
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html我是直接复制下载就成功了
再检验一下：
查看cudnn、cuda对应版本的tensorflow-gpu
链接：click here
tensorflow-gpu可到anaconda中的虚拟环境中安装，根据自己cuda选择版本数
