【深度學習環境配置】GTX3060 Win10+cuda+cudnn+pytorch+pycharm配置過程

最近搞到一個3060顯卡，這麼好的顯卡不拿來打遊戲（不是）可惜了。之前我都是在Linux系統下裝環境，新電腦不想折騰了，直接win10下面安裝環境吧。為了給後面的人踩坑，記錄本文當做一次技術貼。只能保證3060能夠正常配置，3060TI我無法保證，3070/80/90高玩玩家僅供參考。30系列只能安裝cuda11版本以上，所以本文的cuda版本為cuda11.0.5。

先給大家看看配置：（炫耀）

當然最重要的是顯卡，win版本為win10 20H2。

我自己加了1t的硬碟和16G的內存條（這不是重點）

三件套：顯卡驅動,cuda套件,cudnn加速包。網絡上對三者的解釋專業又清楚，我就不班門弄斧。給大家簡單的說一下。顯卡驅動：驅動你顯卡運行的軟體；cuda：顯卡廠商NVIDIA推出的運算平臺；cudnn：用於深度學習的加速包。！！！給大家提醒一下，既然要做win10平臺下安裝深度學習環境，那麼還有一個軟體必須提前安裝：visual studio。因為有的運行庫需要visual studio的環境。本機選擇安裝的是visual studio2019（請安裝好之後啟動之後在安裝cuda）！！！

1.卸載乾淨所有顯卡驅動

這一步可能是我這個帖子才會出現，因為經過我的實踐，如果不卸載乾淨顯卡驅動，可能會對cuda安裝失敗。於是我們採用一個叫做DDU顯卡驅動軟體進行一次性刪除。點擊清除並且重啟，稍等一分鐘，自動重啟。

這個時候重啟之後，你的GPU是不會工作的。因為沒有驅動驅使你進行工作，所以這個時候去官網下載顯卡驅動。選擇自己的型號，進行下載即可，一路安裝即可。

安裝之後，打開cmd，輸入命令：nvidia-smi。可以看到cuda版本和顯卡驅動的版本號。

當然你也可以在nvidia control panel(英偉達控制面板找到)，系統信息。就可以查看目前目前你的顯卡驅動支持的最高cuda數。

這個時候我建議大家重啟電腦，不然後面可能會報錯。

這個時候我建議大家重啟電腦，不然後面可能會報錯。

這個時候我建議大家重啟電腦，不然後面可能會報錯。

2.CUDA的安裝

但是目前pytorch是沒有支持到cuda11.4版本的，但是30系列顯卡只支持11系列的cuda。所以顯卡驅動支持的11.4可以向下兼容到11.0~11.4。目前我們採用cuda11.1.0進行安裝。這也是pytorch目前支持最高版本的一個cuda。

那我們下載cuda吧。我知道cuda伺服器在國外，所以可能需要科學上網的方式進行下載，如果和我一樣是3060顯卡，後文有下載方式獲取我的安裝包。小劉老師這裡採用的全局代理梯子下載。所以一般都忽略網絡不好的問題。

下載好之後，圖標是這樣，後綴為exe：（後面的45數字為小版本 可以忽略）。

然後雙擊一路安裝吧，採取默認安裝，看到Temp了嗎？臨時位置，當後面的文件安裝後會自動釋放資源的，所以不用擔心安裝位置。

在這安裝過程中，我一開始直接選擇的精簡安裝，如果由於VS的原因，導致無法正常安裝，可以換成自定義的安裝方式，並將VS勾給去掉，便可以正常安裝了，至於CUDA的安裝目錄，大家默認安裝在C盤即可，安裝其他位置一定要記住位置，以後配置cudnn會用到的。

接下來就是cudnn的安裝了，這裡需要強調的是，cudnn並不是一個可執行文件（exe）,而是類似於SDK的函數包，用來加速神經網絡的計算。你可以理解為一個封裝好的API接口。對於本次cudnn版本的安裝，其實並沒有嚴格的版本號，不過我建議3060安裝8.0.4版本，下載下來是一個壓縮包，解壓即可。

雙擊解壓打開cudnn：

將解壓後的文件夾下的文件拷貝到cuda安裝目錄

這裡整個cuda部分安裝結束（真的累）

二、Anconda安裝

Anconda是什麼東西就不用我介紹了吧？大家去百度或者谷歌一下，總之一句話就是，這是一個科研像一個沙盒分區一樣管理我們的python環境的工具集。可以讓用戶在不同的python版本中自由切換。

下載他，這玩意兒官網下載是真的慢，我掛了梯子一樣慢。提醒大家別裝最新的，舊版本，能用就好。提供大家一個國內的鏡像下載。

清華大學鏡像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
我選擇的是這個版本，其他版本也一樣，選擇你想要安裝位置，一路next安裝即可。中間有一個步驟會選擇是否添加到系統path，我反正是√上的。我選擇的版本是紅色框那個版本。
打開這個提示框，切記不是系統的CMD！
第一步切換下載源，由於我們要經常配置環境在這裡面，但是他的伺服器在外國，經常很多同學報錯就是因為下載失敗所以我們要映射到國內的鏡像上。這樣會使得下載快，穩定。常用的鏡像有很多，經過我測試，清華大學的鏡像在pytorch會出現卡頓的情況，不過不知道是不是個例。但是我切換到中國科學技術大學鏡像之後，一切安裝就變好了，所以本文只配置中科大鏡像。
conda config --add channels https:conda config --add channels https:conda config --add channels https:conda config --add channels https:conda config --add channels https:conda config --add channels https:conda config --set show_channel_urls yes
創建自己的虛擬環境learn
conda create -n pytorch python=3.8創建了一個叫做pytorch 的空間 用的是python3.8版本作為解釋器
這個時候就可以在安裝目錄envs下查看到一個環境被我們創建了
這個時候我們可以通過conda env list命令查看當前我們環境目錄
激活/切換自己創建的環境
這個時候我們會發現，括號裡面的環境發生了變換
先安裝必備組件在自建的虛擬環境中
conda install numpy mkl cffi
安裝pytorch
這一步超級重要，我們去官網看看。選擇版本，cuda，平臺，然後複製紅框的內容到conda命令行，等待下載吧。如何不行，多試幾次。
測試
import torch as ta = t.ones(5)       print(a)
三、Anconda導入到pycharm中
在導入之前，我先給大家看看我們上一步裝之後的文件夾的內容，我們就是要把紅框裡面的解釋器配置到pycharm裡面去。pycham各位自己下載，官網很多。
解釋器設置，增加解釋器，找到上圖那個解釋器位置，添加版本號。即可
測試一下：
import torchprint(torch.randn(1, 1, 32, 32)) #生成一個張量print(torch.cuda.get_device_name(0))#查看顯卡名字
現在可以開心的煉丹了，後續我會更新pytorch教程在嗶哩嗶哩，感興趣的同學可以關注關注。那麼今天的內容就到這裡為止了。如果你在配置環境中有什麼困難，請後天私信我。如果需要我配置的安裝包，請私信郵箱。
推薦閱讀
【OpenCV中可視化調試神器】Image Watch使用技巧全集建議收藏轉發
【看好了,Matlab是這樣系統學習的！】小丑竟然是自己？Matlab官方文檔竟然就在身邊？