安装cuda更新nvidia驱动打开GeForceGameReadyDriver或在GeForceExperience中下载符合自己gpu的程序。选
安装cuda
更新nvidia驱动
打开GeForce Game Ready Driver或在GeForce Experience中下载符合自己gpu的程序。
选择cuda
打开nvidia控制面板
点击帮助、点击系统信息、在点击组件在3D设置中可以看到cuda信息
在我升级过nvidia驱动后，cuda的版本更新到了10.1。接下来下载cuda .
cuda10.1安装完毕。
安装cuDNN
在安装了cuda10.1后选择对应的cuDNN版本v7.6.1
解压文件，然后添加bin目录到环境变量
安装cuDNN
在安装了cuda10.1后选择对应的cuDNN版本v7.6.1
解压文件，然后添加bin目录到环境变量
使用Anaconda prompt创建环境
conda create -n pytorch_gpu pip python=3.7其中pytorch_gpu是环境的名字，python版本是3.7
conda activate pytorch_gpu这个命令可以进入创建好的环境。
安装Pytorch
建议切换源，我使用的是中国科学技术大学”（USTC Open Source Software Mirror）提供anaconda的镜像源，速度提高不少。
方法一：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes方法二：
打开.condarc文件，进行编辑
这个顺序存在一个优先级，会先在中国科学技术大学的镜像源寻找，如果大家感觉速度慢，也可以换别的镜像源。
打开官网选择后复制命令
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
整个过程只需要按一下'y'即可。
验证
为了确保PyTorch是否安装成功，我们需要运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。
import torch
x = torch.rand(5,5)
print(x)输出类似下面
tensor([[0.7078, 0.1424, 0.3411, 0.3987, 0.3476],
[0.7534, 0.7137, 0.3489, 0.4226, 0.3640],
[0.4104, 0.8411, 0.5112, 0.0629, 0.0664],
[0.7568, 0.9495, 0.3300, 0.2392, 0.6441],
[0.7615, 0.1883, 0.6001, 0.9663, 0.3313]])如果ok，pytorch安装成功。
torch.cuda.is_available()返回True，GPU版Pytorch安装完毕。
将PyTorch导入Pycharm
点击Pycharm的选项栏中的File选择Settings，然后点击Project Interpreter，接着点击右侧的Add。
然后在Conda Environment中选择Existing environment
选择Anaconda3下的python.exe，Conda executable选择conda.exe
如果失败，选择Anaconda3下的env下的新创建的虚拟环境中选择python，试一试。
Pycharm开启科学计算模式（Scientific Mode）
具体步骤：
- Settings –> Tools –> Python Scientific > Show plots in tool window 勾选
- View 勾选 Scientific Mode
- Run–>Edit configurations…
- 勾选 Run with python console
开启科学运算模式，舒服，正在习惯这个姿势。
ps：如果想恢复到普通模式，只需要在view下，取消scientific mode勾选。
结束语
环境安装完毕，以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
Win10 GPU Pytorch1.1安装 Pytorch1.1安装