重新安装CUDA+CUDNN+PyTorch路上遇到的问题

书接上回，因为CUDA和CUDNN突然用不了了，被迫卸载重新下载。

删除的教程参考的是https://blog.csdn.net/m0_53883779/article/details/135701971。在控制面版卸载中，其实可以留意一下NVIDIA相关软件的安装日期，很快也就分辨出来了，因为我并不是一天把所有的软件都装好了。我这里还有一个NVIDIA USBC Driver，看着安装日期和基础的软件安装日期相同，也没有卸载。来到安装目录，把NVIDIA GPU Computing Toolkit文件夹删除，再用火绒清理一下垃圾，这里卸载就算完成了。

安装的话，按照自己的需求，选择CUDA11.8版本，下载地址：https://developer.nvidia.com/cuda-toolkit-archive。下载完成后，点安装即可，在安装的过程中选择自定义安装，在自定义安装项中，点开CUDA一栏，将Visual Studio Intergration取消，因为我没安装Visual Studio。我按照这个做法很顺利的安装完成了。

安装完后对安装的效果进行检查与验证。查看系统的环境变量，是否生成两个新的系统变量CUDA_PATH和CUDA_PATH_V11_8。打开cmd，输入指令：nvcc --version,查看是否出现CUDA的版本信息。

现在安装CUDNN。首先得注册一个账号，注册的地址：https://developer.nvidia.com/rdp/cudnn-download，页面右上角。找需要的版本地址：https://developer.nvidia.com/rdp/cudnn-archive。下载完成后，解压出来会有bin，include，lib三个文件夹，把他们以管理员身份复制到CUDA的安装目录，我这里是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8。

安装好以后，打开系统的环境变量，在PATH中添加以下的路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp。

添加完成后打开cmd，输入指令：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite，分别输入 bandwidthTest.exe 和 deviceQuery.exe ，如果能看到两个PASS，那就算是装好了。

接下来就是最痛苦的一集，装PyTorch。官方地址：https://pytorch.org/get-started/locally/。在上面可以选择符合你设备当前环境的选项，最后会给你显示一个下载命令。一开始我真的以为是这么简单，直接就切换到项目的虚拟环境里面开始运行了，然后这个下载速度令我眉头紧皱，2.5GB的文件正在以100+Kb的速度下载，我真的要裂开了。果断停下来，开一个代理，然后发现用代理下载会被SSL拒绝。没办法，我寻思就这么下吧，好像也不是那么急，过了二十分钟回来一看，连接中断了，我是真的挺无语的，看来又是一番鏖战。

期间去查了很多的方法，发现有很多的方法是在conda的环境下可以运行的，比如说在conda的环境下可以在https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/找到自己所需要的文件，下载完成后直接conda install就完成了。对于上述的方法我试过pip命令运行不了，突然有点羡慕conda。

现在说一说成功的办法，到官方存放资源的网站中去https://download.pytorch.org/whl/torch_stable.html，找到自己所需要的版本。文件名需要看清楚，cu118是CUDA的版本，torch的数字为torch的版本，cp39代表Pyhton3.9，一定要下载对应的torch版本。这里直接下载还是很慢，但是可以用代理，很快就下载好了。用同样的方法也下载好了torchvision，torch和torchvision的对应版本参考以下链接：https://github.com/pytorch/vision。

下载完成后安装，转移到虚拟环境中，输入指令：pip install "文件所在的地址\torch-2.3.1+cu118-cp39-cp39-win_amd64.whl",注意这个双引号是一定要的。如果没有挂代理的话，这里要加上镜像的地址，不然下载还是会很慢，当时应该是一直开着代理所以速度快。安装完成后进行验证，在虚拟环境中进入Python，输入指令：

点击查看代码

import torch
torch.cuda.is_available()

若返回的结果是True，则证明安装成功了。提醒一下，如果这里还没有安装ultralytics,那还是要先安装这个，因为用国内的镜像会默认装最新版本cpu版本的torch，安装的过程中会卸载cuda版本的torch和torchvision。这边新装环境的时候没注意，导致又重新装了一遍cuda版本的torch。

经历了好一阵子的折腾，终于装好了，当我很高兴的准备模型训练时，不出意外就要出意外了，得闲再说。