一、前言

本文仅介绍Windows11系统下安装CUDA、cuDNN、pytorch（GPU）的详细教程，使用的是Anaconda+Pycharm的配置。关于这两个软件的下载安装，本文不做赘述，如有疑问，请大家自行搜索。

二、安装CUDA

        1.CUDA安装

查看显卡型号和支持的CUDA版本。
打开终端（win+R输入cmd），输入：

nvidia-smi

显卡版本：NVIDIA GeForce GTX 1650 Ti
驱动版本：556.13
CUDA版本：12.5

进入CUDA官网，CUDA向下兼容，所以选择安装的CUDA版本应低于支持的版本

 选择合适的版本，下载

 下载后，直接安装，选择自定义

 此处的Visual Studio Integration，如果你的设备上已经安装了VS，可以勾选，否则要取消勾选，不然在后续的安装过程中会报错。

选择安装的位置，默认安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5

点击下一步，完成安装。

        2.CUDA安装异常处理

 验证CUDA是否安装完成，打开终端（win+R输入cmd），输入：

nvcc -V

如果执行后显示：nvcc不是内部或外部命令，也不是可运行的程序或批处理文件。
此时不能输出版本信息，原因可能是由于没有在系统环境变量里添加CUDA，12以上的版本会自动添加环境变量。

在CUDA的安装路径下找到bandwidthTest.exe 和 deviceQuery.exe，一般默认的安装路径在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\extras\demo_suite，进入该目录，在空白地方鼠标右键点击，进入终端。
打开之后分别输入运行 .\bandwidthTest.exe 和 .\deviceQuery.exe，都可以看到Result = PASS，则表示CUDA安装成功。
此时如果执行nvcc -V，不能看到CUDA版本，则需要进行下一步。

在环境变量中再手动添加三个目录：
# 注意当前的CUDA版本，我的是v12.5
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\extras\CUPTI\libx

如果此时nvcc -V仍然无法识别命令
打开终端（win+R输入cmd），输入：

set PATH=c:

echo %PATH%

关闭终端，再打开打开终端（win+R输入cmd），输入：

echo %PATH%

此时新添加的环境变量已经生效了，输入：

nvcc -V

发现可以正常查看到cuda的信息了

三、安装cuDNN

进入cuDNN官网，这里需要注册一个NVIDIA账号，使用qq邮箱即可。
这里选择版本要注意for CUDA xx.x，如果安装的CUDA是11版本就选11,12版本就选12。

下载对应系统的安装包

解压安装包，复制以下三个文件夹

将文件夹粘贴至CUDA的默认安装路径下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5，安装完成 

四、安装pytorch（GPU版本）

安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，原因如下：

CUDA是NVIDIA推出的并行计算平台和编程模型，它允许开发者使用NVIDIA的GPU进行通用计算，PyTorch-GPU版本利用CUDA来加速深度学习模型的训练和推理过程，GPU在处理并行任务时比CPU更高效。同时，许多深度学习库，包括PyTorch，都是基于CUDA构建的，以便在NVIDIA的GPU上运行。这些库需要CUDA提供的驱动和运行时库来与GPU硬件进行交互。

cuDNN是NVIDIA提供的深度学习GPU加速库。它是CUDA的一个子集，专门针对深度学习算法进行了优化。cuDNN提供了许多深度学习中常用的操作的高效实现，比如卷积、池化、归一化等，这些操作在深度学习模型中非常常见。PyTorch-GPU版本可以利用cuDNN来进一步提升性能。

因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。确保安装过程的顺利进行。

进入pytorch官网，选择合适的版本下载：

如果你有多个项目，此处建议在虚拟环境下安装，虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。虚拟环境的建立请大家自行搜索。网络不佳安装失败时也可以引用国内源。

换云：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt。清华云
换云：pip install -i https://pypi.mirrors.ustc.edu.cn/simple -r requirements.txt。中科大云

 

安装完成后，在conda环境中输入：

conda list

 查看查看当前环境下安装的包

出现上述情况，表示GPU版本的pytorch已经安装成功。

打开Pycharm，输入以下代码检验：

import torch

print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  # 输出为True，则安装成功

出现如下结果，此次安装圆满完成！！！