写在前面：
- 强烈打call：?Pytorch1.10安装记录（CUDA11.3）
虽然很大可能不会有人看，但是还是想说明一下，这篇博客只是我本人对一些环境配置参数的记录，不会有太大的参考价值，请见谅~
因为CUDA自动从11.4升级到11.6了，所以我重新安装了一下pytorch，将torch的版本号安装到了1.12.0，torchvision的版本号安装到了0.13.0
重新安装pytorch遇到了几乎卡死的情况，有用的参考：
- 一定要选用管理员模式进入到虚拟环境去安装包
- 可以先手动将待安装的包下载下来，然后再安装：安装torch失败 2020-12-05
- 1.进入官网，按照需求下载torch、torchvision等（注意选择cpu还是gpu）：http://iyenn.com/index/link?url=https://download.pytorch.org/whl/torch_stable.html
- 2.用管理员模式打开cmd，然后运行下面命令：（引号里面需要指明该whl文件的路径，
-i是采用指定网络可加速下载）
pip install ". orch-1.7.0+cpu-cp38-cp38-win_amd64.whl" -i https://pypi.douban.com/simple
- 1
1. 我的电脑配置
Lenovo / 联想拯救者 R7000 R7-5800H / RTX 3050-4G / 512G 固态硬盘SSD / 16G 内存容量
中关村在线-详情介绍：联想拯救者R7000 2021(R7 5800H/16GB/512GB/RTX3050)
环境：Windows 10 家庭中文版
处理器：AMD Ryzen 7 5800H
显卡芯片：NVIDIA GeForce RTX 3050（容量：4GB）
NVCUDA64.DLL 30.0.14.7219 NVIDIA CUDA 11.4.141 driver
2. 已安装的环境参数
2.1 PyTorch（已删）
python == 3.7.11
pytorch == 1.10.2
torch == 1.10.2
opencv-contrib-python == 4.5.5.64
opencv-python == 4.5.5.64
tensorboard == 2.8.0
tensorboardx == 2.5
tensorflow == 2.4.0 （这里是为了安装tensorboard所以先安装了tensorflow，详见tensorboard初体验）
torchvision == 0.11.3
tqdm == 4.63.0
2.2 yolov5（基于PyTorch的）
python == 3.8.5
cuda == 11.3
cudnn == 8.4.1
labelme == 4.5.13
labelImg == 1.8.6
torch == 1.10.0+cu113
torchvision == 0.11.1+cu113
opencv-python == 4.6.0.66
tensorboard == 2.8.0
tqdm == 4.64.0
查看cuda版本号：在cmd中键入：nvcc --V即可
查看cudnn版本号：
需要进入到安装CUDA的目录中的include文件夹去寻找cudnn_version.h文件（我更改了安装位置所以未安装到C盘）
- CUDA的安装目录：
D:SoftWareInstallMenuCUDA11_6_managerNVIDIA GPU Computing ToolkitCDUAv11.3include - 找到
cudnn_version.h文件，将这3行数字拼在一起即可。例如我的就是：8.4.1
2.3 tensorflow（不会常用了）
python == 3.7.11
opencv-python == 4.5.5.64
tensorboard == 2.6.0
tensorflow-gpu == 2.4.0
3. 参考的安装教程
1、RTX3050ti、3060等系列显卡正确安装cuda、cudnn,配置Pytorch深度学习环境（避免由于版本不适应导致重装）
- 打开pytorch官网根据版本需求选择适合的pytorch版本：http://iyenn.com/index/link?url=https://pytorch.org/get-started/locally/
- 进入cuda安装官网：http://iyenn.com/index/link?url=https://developer.nvidia.com/cuda-toolkit-archive
- 进入cudnn官网下载地址：http://iyenn.com/index/link?url=https://developer.nvidia.com/cudnn （这里需要注册账号并填写相关个人信息，然后进才可以进入真正的下载页面，按照提示一步步操作即可。）
2、自己写的（乱乱的）：Anaconda-Tensorflow-PyTorch-GPU配置流程
3、B站教学视频：【包教包会】Anaconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm+Win10深度学习环境配置
4. 一些命令
(1) 在cmd中输入命令开始搭建环境
conda create –n tensorflow python=3.7 # 通常选择3.7版本
- 1
(2) 加上豆瓣源，快速安装一些包（用包名替换掉[module name]即可）
先cmd，再activate PyTorch进入到PyTorch环境。
pip install [module name] -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com
- 1
(3) 卸载包
先cmd，再activate PyTorch进入到PyTorch环境。
pip uninstall [module name]
- 1
(4) 验证该环境下gpu和cuda组合是否可用
记得将yolov5换成待验证的环境。
activate yolov5
python
import torch
torch.zeros(1).cuda()
# 如果没有报错，表示可用，至此大功告成，在以后的项目中，就可以使用gpu来跑程序啦。
- 1
- 2
- 3
- 4
- 5
(5) 测试一下cuda是否安装成功
打开cmd命令终端（不用进入到某一环境），然后输入命令：
nvcc -V # 不报错，且显示cuda版本号 v11.3
- 1
(6) 查看显卡版本号
方法1：进入NVIDIA控制面板查看
很奇怪，过了4个月后，我的CUDA版本自动升级到11.6了
方法2：在cmd中输入以下命令
nvidia-smi
- 1
(7) 在 任意 conda环境下查看 所有 conda环境
如果想直观的看所有conda environment以及各环境中已安装的package和版本号，就直接进入到Anaconda中去查看。
当前所处环境前带有*。
conda info -envs
- 1
(8) 查看某环境中的某个package的版本号
例如在yolov5环境中查看torch的版本号。依次在cmd中输入：
activate yolov5
python
import torch
torch.__verion__ # 1.8.0
- 1
- 2
- 3
- 4
(9) 退出python编写环境的命令：exit()
5. opencv
opencv有点问题，就参照这篇文章找到了解决办法：
评论记录：
回复评论：