第1步:确定您的计算机是否是GPU型机器。
方法1：快捷键方式
Ctrl+Shift+Esc键——>性能（或Windows键+X——>任务管理器——>性能），如果有GPU就说明是GPU型，否则就不是
如果有证据表明它不是GPU,
NVIDIA 终端视图方法2
按下 Windows+R 键入 cmd, 启动终端 。
在终端输入: nvidia- smi
以下结果证明了它们的存在。
如果发生这种情况,它表示不存在这种情况。
注:GPU计算机可以进入以后的阶段;否则就没有必要了。
第2步:确定可在您的 PC 上安装哪个版本的 CUDA 。
方法1：在终端查看
在终端输入: nvidia- smi
第2步:转到 NVIDIA 控制面板。
在桌面空白处右击鼠标，点击NVIDIA控制面板——>帮助——>系统信息——>组件
上述调查结果表明,可安装第11号极管,第4版和以下各版不予支持。
特别强调了不急于安装版本的必要性。我不知道该怎么办, 但我不知道该怎么办 用它。Cudnn的版本也必须匹配。为了确定 Cudnn (cuda 版本) 是否有匹配版本, Cudnn 版本必须一致 。库达11岁了 对不起 但我不知道我在说什么Cudnn也必须11岁。还需要安装一个火炬装置。因此,我们必须首先访问官方网站,以确定目前安装的Python版本是否合适。它也是类似版本(以前人类血液的经验和教义)。如果没有, 之前版本的 Cuda 和 Cudnn 将完全相同 。Pytoch 版本不正确 。这行不通的
第3步:安装库达(在查看可安装的库达、库登和火炉的版本后,我选了11个)。
CUDA的不同已安装网站版本
一. 直接装入安装包并双击以安装它。
我通常在磁盘C上安装(拍照并记住安装路径);
安装步骤如下：
(1) 由于临时降压路径不是最终安装路径,因此无需改变。
(2) 比较可取的是前言式选择。
(3) 避免安装视觉演播室集成装置以释放更多的记忆。
2. 添加环境变量的 cuda 安装路径 。
添加方式：
Windows键+R——>输入sysdm.cpl——>高级——>环境变量——PATH——>编辑——>新建——>然后一个一个添加路径
安装后, 记得在 PATH 中添加以下环境变量( 当然, 并更改其版本号 ):
三,确认CUDA已成功安装。
终端的nvcc-V
因此,安装工作顺利完成。
第四步:安装Cudnn装置
从Cudnn警官的网站上下载正确版本的 Cudnn 。
虽然官方网站下载需要登录或加入,
要么浏览器的默认下载插件, 要么点击一个简单的右键来复制闪光中的 URL 。
下载完成后,文件夹的内容包括并传输到已安装的库达的相关文件夹。
无法获取文件夹“%s”:%s
无法删除文件夹“{0}”。
检测是否安装成功
在终端上,导航到以下目录,然后按此顺序运行设备Query和BandwidthTest。
执行设备查询结果 :
Bandwidth Test的成果:
步骤5:安装 Python 的 GPU 版本 。
安装 pytawcher 网络
在终端中安装的是以下命令的复制件:
检查 pytorch 是否成功安装 :
在 Python 中,键入以下命令:
import torch
print(torch.cuda.is_available())
确实表明安装成功。
GPU 版Pytorch(基于Pycharm)的GPU 安装技术 -- -- 爱的代码编程