深度学习环境搭建：CUDA、cuDNN、Conda、PyTorch配置教程

CPU: AMD Ryzen 5 5600H with Radeon Graphics 3.30 GHz

显卡: NVIDIA GeForce RTX 3050Ti Laptop 4GB

1. CUDA 配置

终端输入 nvidia-smi 查看驱动信息以及支持的 CUDA 最高版本 ![[Pasted image 20250206202651.png]]

CUDA Version: 12.3 即支持的最高 CUDA 版本为 12.3，由于 Pytorch 官方支持为 CUDA11.8，12.1，12.4，在此选择 CUDA12.1.1 版本。

![[Pasted image 20250206202701.png]]

CUDA toolkit 下载地址：https://developer.nvidia.com/cuda-toolkit-archive

CUDA 安装位置如下： ![[Pasted image 20250206202749.png]]

验证是否安装成功：nvcc -V ![[Pasted image 20250206202723.png]]

2. cuDNN 配置

cuDNN 下载地址：https://developer.nvidia.com/rdp/cudnn-archive

在此选择版本为：Download cuDNN v8.9.6 (November 1st, 2023), for CUDA 12.x

下载的文件为压缩包，解压缩后三个文件夹对应 CUDA 安装目录内的三个文件夹。 ![[Pasted image 20250206202816.png]]

因此 cuDNN 文件相当于 CUDA 的一个补丁，专门为深度学习优化。

复制 cuDNN 压缩包内的三个文件夹内文件到 CUDA 安装目录的同名文件夹。

CUDA 默认安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

随后在系统环境变量 path 中添加如下 CUDA 的几个路径。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\libnvvp

验证：在终端中进入 CUDA 安装目录下的：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite

执行此目录下的 bandwidthTest.exe 和 deviceQuery.exe，输出如下即安装成功。 ![[Pasted image 20250206202837.png]] ![[Pasted image 20250206202843.png]]

3. Conda 配置

安装 Miniconda.

配置 Miniconda 环境变量，加入以下路径到系统环境变量 path 中。

安装路径\miniconda3
安装路径\miniconda3\Scripts
安装路径\miniconda3\Library\bin

################################## conda虚拟环境 #############################################
# 创建conda虚拟环境
conda create -n <name> python==<version>

# 激活虚拟环境
conda activate <name>

# 退出虚拟环境
conda deactivate

# 查看有哪些虚拟环境
conda env list 

4. Pytorch

官网：https://pytorch.org/get-started/locally/

根据适合的 CUDA 版本进行安装。 ![[Pasted image 20250206202859.png]]