pytorch需要装cudnn吗,cuda需要自己安装吗

　　因为超分辨率图像重建的训练，需要在Pytorch的框架下训练模型，从Pytorch的安装开始。跌跌撞撞尝试了很多方法，下面总结了以下最有效的菜鸟级Pytorch框架的构建和安装。

1、CUDA的安装与测试

1.1 cuda适配版本查询

　　要安装cuda，首先要检查你电脑的cuda适配版本。首先，在电脑的搜索框中搜索NVIDIA控制面板。

　　进入后，点击左下角的系统信息-组件-找到NVCUDA64.DLL，如下图：

　　你可以看到你的电脑可以下载的最大版本的cuda。然后开始下载适配的cuda版本。

　　1.2 cuda的下载安装首先进入cuda官网：cuda toolkit archive NVIDIA developer。

　　选择你适配的CUDA工具包，点击展开，选择windows操作系统，选择下图，完成下载安装。

　　下载，安装的时候可以选择一个自己了解的安装路径，然后按照安装的默认直接进入下一步。

　　1.3测试是否安装了cuda。windows R打开运行框，输入cmd，输入终端，输入nvcc -V，出现以下结果：

　　安装成功。

　　2.CUDNN 2.1的调试与测试CUDNN CUDNN的安装：是NVIDIA打造的深度神经网络加速库，是深度神经网络的GPU加速库。如果要用GPU来训练模型，CUDNN不是必须的，但是这个加速库一般会用到。总结。简单来说，CPU适合串行计算，擅长逻辑控制。GPU擅长并行高强度并行计算，适合训练和学习AI算法。CUDA是NVIDIA负责管理计算单元分配的框架。CUDNN是一个用于深度神经网络的gpu加速库。进入cudnn官方下载网站：NVIDIA cuDNN NVIDIA Developer。

　　但是官方下载避免不了注册然后登录才能到下载的版本选择界面。因为外网可能需要翻墙，否则进不去，网速很慢。这是另一种下载方法：

　　首先点击cuDNN存档 NVIDIA Developer进入cudnn的版本选择界面，找到适合cuda的cudnn版本，然后点击展开。

　　鼠标右键找到cuDNN库for Windows(x86)，选择复制链接，打开下载器。这里推荐迅雷下载器，打开迅雷下载器的输入链接即可自动下载。

　　虽然下载有点慢，但是可以下载，免去了翻墙注册的麻烦。下载后解压，将三个文件复制，在解压后的文件中包含cactus，lib，然后进入cuda的安装目录，这里我是C: Program Files NVIDIA GPU Computing Toolkit CUDA v 11.1，然后点击粘贴覆盖。具体流程图如下：

　　复制以下三个文件：

　　将覆盖图粘贴到c: program files NVIDIA GPU computing toolkit cuda v 11.1文件夹中。

　　然后配置环境变量，打开控制面板-系统和安全-系统-高级系统设置-高级-环境变量，找到路径，点击编辑。

　　单击新建并输入c: program files NVIDIA corporation nvsmi。

　　然后各点确认(某些点确认)，就可以成功安装cudnn了。

　　2.2测试CUDNN windows R，输入cmd打开命令提示符，键入nvidia-smi，看到如下结果：

　　安装成功。

　　3.pytorch 3.1的安装和测试pytorch的安装。python中pytorch的具体模块是torch，所以安装pytorch就是安装torch包。具体步骤如下：

　　创建一个虚拟环境来下载火炬

　　A create-n pytorch python==3.7基于python3.7创建一个名为pytorch的虚拟环境。

　　环境当它出现时，键入y创建一个虚拟环境。

　　进入虚拟环境下载pytorch

　　condactivate pytorch(虚拟环境名称)

　　然后打字

　　安装torch===1 . 8 . 0 torch vision==0 . 9 . 0-f https://download.pytorch.org/whl/torch_stable.html开始下载torch，下载任务即可完成。

　　3.2 py torch的测试打开cmd面板，在python环境中输入python，输入

　　导入火炬打印的结果(火炬。_ _ version _ _)显示相应的pytorch版本，表明安装已经成功。验证pytorch是否能正常调用cuda，然后进入上面。

　　Print(torch.cuda.is_available())得到TRUE。如果得到FALSE，则意味着cuda的版本与pytorch的版本不匹配。具体适配问题请参考下图：

　　希望能对大家有所帮助！