1. cuda安装

1. 确定当前cuda最大支持版本

cmd输入 

nvidia-smi

显示 cuda version:12.2 即是最大支持的cuda版本

2. 下载cuda版本

去nvida官网 CUDA Toolkit Archive | NVIDIA Developer

选择一个比本机cuda版本小或者相等的版本

3. 下载完成后打开安装

4. 验证cuda环境是否安装成功

cmd下输入

nvcc -V

返回版本信息即表示成功

2. cuDNN的下载及安装

1. 去官网

cuDNN Archive | NVIDIA Developer

需要注册个账号，然后下载

2. 解压后

拷贝3个文件夹到cuda默认安装目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2

覆盖同名目录

ubuntu下

tar -xzvf cudnn-<version>-linux-x64-v<version>.tgz 
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

ubuntu下验证 cuDNN 安装： 检查 cuDNN 版本

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

3. 配置深度学习环境

1. 去官网获取下载地址

Start Locally | PyTorch

选择比自己安装的版本小的或相等的 版本

2. 安装特定版本的torch

很多模型在requirements.txt里都有指定torch torchvision torchaudio的版本，查找对应的版本，然后在安装requirements.txt前先安装对应的gpu版本

pip3 install torch=2.2.2 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

下载慢可以增加代理

--proxy="http://127.0.0.1:1080/"

一般torch都是2G多，当出现下载链接后，可以用迅雷下载，有时候可以满速

最后 pip install 下载的whl文件，pip较慢时，可以修改为清华源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/