针对CUDA11.4、CUDNN、如何安装Pytorch版本

显卡驱动查看
桌面任意位置右击，选择NVIDIA控制面板
点击3D设置中通过预览调整图像设置
点击左下方的系统信息
再点击组件
如下图所示：

安装CUDA
下载CUDA
百度盘
本人已经下载好的CUDA1.4.1和对应版本的CUDNN：
链接：https://pan.baidu.com/s/1Vixfl7tv4I6-OuBMF2ITQw提取码：b2b7
–来自百度网盘超级会员V3的分享

自行下载
**法一：**可进入CUDA Toolkit 官网进行下载，但是一般都是最新的CUDA版本，可能不适合你的显卡版本，但其他版本在官网不太好找。
**法二：**直接百度输入CUDA TOOlkit 11.4或10.0等，即可搜索到相应的版本,方便简单。如下图所示：

CUDNA安装过程
首先以管理员身份运行CUDA11.4：

CUDA环境配置
我的电脑–>右击属性–>高级系统设置

点击系统变量中的path.

添加如下路径即可（参考博文）这里可以多参考几篇博客，有的人添加的路径不太一样。

再验证CUDA是否安装正确：
cmd进入命令窗口：输入：nvcc -V：如下图所示：

可以看到，电脑的CUDA 11.4安装成功。

cuDNN下载及安装
cuDNN下载官网
cuDNN是用于深度神经网络的GPU加速库，在具体编写神经网络程序时会使用到。CUDA与cuDNN的关系可参见这篇文章。

与安装CUDA需选择对应的版本类似，安装cuDNN时也需选择与CUDA对应的版本。

本文给出目前已知CUDA与cuDNN的版本对应关系，具体的安装包及支持情况可查询cuDNN官网。需要特别说明的一点是，cuDNN的下载需登录NVIDIA账户，如若没有可注册一个方便后续安装(注册很快，回答几个邮箱问题即可)。
安装步骤：

把下载好的cuDNN的zip文件解压。
再把解压后的三个文件夹复制到CUDA安装的目录中即可。

检查cnDNN是否安装成功：
检查cnDNN是否安装成功：博客

进入到cuda的安装路径，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite，找到如下两个.exe文件：

首先执行：deviceQuery.exe，查看是否出现如下界面：

然后执行bandwidthTest.exe，出现如下界面，则代代表cuDNN也安装成功。
3.安装Pytorch
Pytorch官网
1：进入Pytorch官网
注意：CUDA11.4可以安装CUDA11.3版本对应的pytorch。

创建虚拟环境
创建虚拟环境
conda create -n evn-Name python==xx.xx
1
激活虚拟环境
activate env-Name
1
安装Pytorch
因为Pytorch较大，安装时间较长，耐心等待。无需用镜像源,也就10分钟左右。

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
1
检测pytorch是否安装成功就很简单了，输入python，再import torch，正常导入即成功安装。

转载：https://blog.csdn.net/weixin_54546190/article/details/122097856