小白也能会：windows10 安装Anaconda3+cuda10.1（rtx960）+pytorch1.6.0过程及遇到问题

〇、碎碎念

没有linux真机，虚拟机不支持linux挂载物理机显卡，无法跑pytorch的显卡加速，所以费尽力气把pycharm搬回到windows10，在一定程度上能提高点效率，真正跑大型程序pc机肯定还是不行，而且要首推ubuntu作为开发环境。

这次机遇windows10配置基本是从0开始的，综合了很多网上的帖子，这算是一个总结贴，记录一下过程，分享一下经验。

一、Anaconda3安装

这一步基本没有什么特殊的，毕竟也没有什么版本依赖，直接安装就好了。

Anaconda的关键问题在于，要不要使用这个Pakage Manage Tool。

我的建议是：用

原因：配合pycharm，可以很方便的更换解释器

先给下载链接：

64-Bit Graphical Installer (466 MB) Windows

64-Bit Graphical Installer (462 MB) MacOS

64-Bit (x86) Installer (550 MB) Linux

File--settings

Project:venv(venv是自己的项目名)--Python Interpreter--右边Python Interpreter下拉三角--Show All，可以选择已经安装好的python.exe。

基于不同python版本+包版本的项目，可以很容易的在这里进行解释器的选择。这就是Anaconda的优势一所在。

另外的优势就是在包安装、管理的时候。

因为本次展示的是windows下的安装，所以就下载好.exe文件，双击，安装就好了。

安装过程中可以勾选添加环境变量，这样的话就不用安装过后自己再配置环境变量了。

二、安装CUDA

这个确实是浪费了很多很多很多时间，基本环节也就是卡在这里了。

1、显卡驱动安装

问题一：所有的驱动都无法正常安装，过程和消耗时间都正常，就是结果都是未安装，或是安装失败。

也看不到具体信息，不知道原因。重启了N遍也不管用。

找了很多方法，用驱动精灵下载匹配驱动，去官网直接下载，用英伟达的自动升级软件升级都不行。

问题二：使用英伟达升级程序Experience或是网页登陆Nvidia官网都提示网络不对，要关闭浏览器的去广告插件之类的。

解决方法：关了防火墙，也没解决问题。后来反应过来，为了访问谷歌我改了hosts文件。把hosts文件复原就正常了。

最终操作方案是：

安装Nvidia GeForce Experience，匹配最新显卡驱动下载安装。也可以自己到https://www.nvidia.cn/geforce/drivers/筛选出自己想要的驱动下载安装。

如果账号登陆不上，就是复原hosts文件，如果是其他问题，暂时没有遇到。

主要是要选好显卡的版本，显卡驱动对应的cuda是可以向下兼容的，所以安装最新版的应该是可以适用的。

2、cuda版本选择及安装

安装好了显卡驱动后，在nvidia显卡控制面板中点击系统信息

，点击组件，在下图位置  NVFUDA64.DLL  查看你安装的显卡驱动可以支持的CUDA版本

还可以通过显卡驱动的版本确认CUDA版本，

我的 显卡驱动版本是456.38，去官网https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html寻找对应的版本

通过上表可以看出，显卡驱动的版本与CUDA的版本可以向下兼容，比如我装的RTX960的456.38版本的驱动，理论上（表里的信息）可以装任何版本的CUDA。

这个时候不要急着去下载CUDA，而是要再确认CUDA和pytorch版本的关联。

点击查看pytorch版本与CUDA版本的对应关系：https://pytorch.org/get-started/previous-versions/

内容太长我就不贴出来了，需要的同学自己跳转官网去查看吧。

确定pytorch的版本需要确定python的版本，具体的我没找到链接了，我遇到的问题就是python3.6对应最高版本的pytorch是1.4.0.

所以如果你的开发项目基于python3.6，那就要匹配好对应的各个环节。

确定好一系列的版本后

安装cuda，很简单，就是下载软件，选定位置，安装。

顺便提供CUDA 11.1  CUDA Toolkit 11.0 Update 1 Downloads | NVIDIA Developer

和 CUDA10.1的下载链接:CUDA Toolkit 10.1 original Archive | NVIDIA Developer

安装过后还要安装加速计算用的cuDNN，下面链接是对应不同CUDA版本的cuDNN，可以直接下载，然后替换对应位置的文件。

https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

三、安装pytorch

如果是安装最新版本的pytorch1.6.0，直接去官网：https://pytorch.org/get-started/locally/，网页会直接判断你的系统信息给你默认的选择，也是一个命令行，在上一步安装好Anaconda的情况下（安装好的意思是可以正常使用，环境变量都配置好了），利用网页给出的命令行到cmd下或者powershell下执行。

这个时候来了一个坑，Anaconda的源问题，如果不改，pytorch会下载的很慢，甚至会断连，我下了好多次都没成功，最终不得不修改一下软件源。

Anaconda修改软件源的方法：

第一步

切换Anaconda下载源。

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

#添加pytorch源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

第二步

复制PyTorch官网命令，并将 -c pytorch删除。
-c pytorch是强制从PyTorch官网下载包，配置的清华源就会失效。

#conda install pytorch torchvision cudatoolkit=10.0 -c pytorch  官网源命令
conda install pytorch torchvision cudatoolkit=10.0   

这样一顿操作后，下载速度飞起，一会就下载安装好了。

如果你前面用原始的源下载过了，中间会报错，意思就是已经有同名包存在了，需要人工删除，先去把已下载的包删除了再执行命令就好了。

经过以上两步，基本就安装好了

CUDA安装好后（配置好环境变量），通过命令行输入nvcc -V会显示对应版本。

显卡驱动安装好后，命令行输入nvidia-smi会显示显卡当下的信息。

如果不出意外的话，python代码可以提示Ture了。

至此windows10下的pytorch就安装完毕了。

可能会有细节没有展示或说明，有什么疑问可以留言。

最后，还是建议有条件的情况下，基于ubuntu进行开发工作。