轻松上手：详解CUDA11.4、CUDNN与PyTorch的安装过程

CUDA11.4、CUDNN、Pytorch安装
一、CUDA11.4安装

1. 首先，从NVIDIA官网下载与你的GPU和操作系统相匹配的CUDA 11.4 版本。
2. 解压下载的压缩包，并找到 NVIDIA*Installer.bin 文件。注意，这个文件可能需要管理员权限才能运行。
3. 双击 NVIDIA*Installer.bin 文件开始安装。
4. 安装过程中，会提示你同意NVIDIA的许可协议。阅读并同意后，继续安装。
5. 在选择组件的步骤中，确保选择了“CUDA 11.4”以及与其相关的所有组件。
6. 配置驱动程序和工具时，选择默认设置即可。
7. 完成安装后，重新启动计算机以确保更改生效。
   二、CUDNN安装
   CuDNN 是 NVIDIA 的深度神经网络库，与 CUDA 一起使用，可以提高深度学习应用的性能。以下是安装CuDNN 7.6.5 的步骤：
8. 从NVIDIA官网下载与CUDA 11.4 版本相匹配的CuDNN 7.6.5。
9. 解压下载的压缩包，找到 cudnn-11.4-windows-x64-v7.6.5.54 文件夹。
10. 将 cudnn-11.4-windows-x64-v7.6.5.54 文件夹复制到CUDA 11.4 的 bin 目录下。
11. 将 cudnn-11.4-windows-x64-v7.6.5.54 文件夹中的 include 和 lib 文件夹分别复制到CUDA 11.4 的 include 和 lib 目录下。
12. 将 cudnn-11.4-windows-x64-v7.6.5.54 中的 cuda 文件夹复制到你的系统盘下的 Program Files 文件夹中（例如：C:\Program Files\cuda）。
13. 在环境变量中添加 CUDA_PATH 和 CUDA_LIB_PATH，指向CUDA的安装路径。
14. 在环境变量中添加 CUDA_INC_PATH，指向CUDA的include路径。
15. 在PyTorch安装过程中指定正确的CUDA路径。
    三、Pytorch安装
    接下来是安装PyTorch的过程：
16. 首先，需要安装Python和pip。可以从Python官网下载并安装最新版本的Python。
17. 在命令行中输入以下命令以更新pip：python -m pip install --upgrade pip。
18. 使用以下命令安装Anaconda或Miniconda：pip install anaconda3-下载器 或 pip install miniconda3-下载器。Anaconda或Miniconda是一个强大的数据科学平台，包含了Python和许多常用的库。
19. 在Anaconda或Miniconda环境中，使用以下命令安装PyTorch：conda install pytorch torchvision torchaudio -c pytorch 或 pip install torch torchvision torchaudio. 注意，你需要先更新conda再运行此命令。在Miniconda环境中使用 conda update conda.