[系统重装日志2]win10系统安装pytorch0.4.1（gpu版本）
整理gpu加速的深度学习框架pytorch的安装过程。
0，资源整理
链接：https://pan.baidu.com/s/1sPoin9uac4wLrcSu8jeXYw
提取码：vh2y
2，各资源来源：
visual studio(2017社区版就可以，2015/2013没有试过)
pytorch安装包（注意对应的cuda版本和对应的操作系统）
显卡驱动下载
CUDA（这个要与pytorch安装包相配）
CUDNN（这个要与CUDA相配）
3，参考博客：
参考1：解决pytorch官网下载慢ubuntu16.04+anaconda3(python3.6)+pytorch0.4.1+cuda9.0+cudnn7.1安装指南（关键要知道0.4.1对应的cuda和cudnn版本）
参考2：【PyTorch】windows10 + CUDA 9.1 + cuDNN v7.0.5 + PyTorch 0.4.1（关键要知道0.4.1对应的cuda和cudnn版本）
参考3：新电脑重新安装win10+python3.6+anaconda+tensorflow1.12（gpu版） （关键要学习cuda、cudnn的安装及环境变量的配置）
参考4：Windows下安装PyTorch0.4.0 （几个在线pip下载.whl安装命令，但是不用VPN基本都卡死了）
4，可以直接用百度网盘的压缩包，所有安装包都是齐全的；也可以自己从各个网站自己下载
1，安装最新版的显卡驱动
1，将所有带NVIDIA的驱动全删了
2，使用与自己显卡匹配的驱动安装包，安装最新版的驱动
2，安装visual studio
使用community版本就可以，我这里用的2017社区版成功了，安装过程中不要改路径，不要改配置，全部默认配置安装下来就行。安装过程要联网。
3，安装cuda
选择自己需要的版本->选择自己的操作系统->选择exe(local)安装->将Base Installer和所有Patch都下载下来->按顺序全部安装一遍，安装过程不要改路径，全部选择精简安装（其实也就是默认安装）
如果从百度网盘下载的，直接按顺序安装一遍就行了
4，安装cudnn，配置环境变量
1，选择对应cuda版本同时满足自己所需要版本的cudnn，下载下来，解压缩（第一次下载要加入一个什么计划，申请个账号就行了）
2，将解压缩后的三个文件夹复制到安装CUDA9.0的路径覆盖原有的文件。本机的安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，直接复制粘贴过来就行。
3，配置环境变量。桌面时右键“此电脑”，选择“属性”打开系统窗口，然后选择并打开“高级系统设置”进入系统属性窗口，打开环境变量，然后将
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin，
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include，
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64，
这三个路径填到系统变量的Path中，这样环境变量就配置好了。
5，安装pytorch
1，下载安装包。因为我是使用pip安装，并且cuda为9.0，因此点击对应链接
根据对应python版本和操作系统下载安装包，比如我要下载torch0.4.1，环境为python3.6，windows64位，就下载torch-0.4.1-cp36-cp36m-win_amd64.whl。下载速度快的时候很快，慢的时候很慢，也不知道为啥。
2，pip离线安装
cmd输入命令：pip install ...（安装包保存路径）\torch-0.4.1-cp36-cp36m-win_amd64.whl
6，安装torchvision
直接pip在线安装，可以配置一下镜像加速。pytorch0.4.1对应torchvision0.2.1
pip install torchvision==0.2.1
7，验证
8，附录
没错，我买3070了~
3070显卡安装TensorFlow与pytorch
安装时若遇到“You already have a newer version of the NVIDIA Frameview SDK installed”
RTX3070+Tensorflow+cuda+cudnn的一个可用搭配
如何查看nvidia显卡驱动程序版本号
- tensorflow-gpu安装
pip直接安装
验证:import tensorflow as tf tf.test.is_gpu_available() len(tf.config.experimental.list_physical_devices('GPU')) - pytorch-gpu安装
https://pytorch.org/get-started/locally/
验证:pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.htmlimport torch import torch.nn as nn a = torch.randn(2, 10).cuda() net = nn.Linear(10, 1).cuda() net(a) - paddle-gpu安装
https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html
验证python -m pip install paddlepaddle-gpu==2.1.1.post112 -f https://paddlepaddle.org.cn/whl/mkl/stable.htmlpaddle.is_compiled_with_cuda() paddle.set_device('gpu:0') paddle.randn([2, 10])
