如何搭建NVIDIA的炼丹炉_并配置pytorch

这篇文章是为了后期的一篇推文，《借助pytorch识别标准件》做个铺垫。安装过程中的图片内容不全，我在安装的时候并不是每一步都截图保留，如需完整的安装记录请滑动至最后有相关链接。

做AI训练必经之路，构建NVIDIA的炼丹炉。就是N系显卡、安装显卡驱动、cuda，cudnn，pytorch等步骤。

1、显卡驱动大家基本上都安装了的，如果没有直接在浏览器搜索显卡型号在官网下载安装即可，安装好的小伙伴可以，查看驱动是否正常。

2、然后我们需要安装CUDA，这是NVIDIA的并行计算平台和应用程序接口。先查看显卡对应的CUDA版本，以下图为例，在cmd窗口输入nvidia-smi.exe，返回相关结果，我的电脑最高支持12.3，低于它的也可以安装。

3、接下来就去官网下载对应CUDA版本即可。CUDA将提供GPU加速，让我们能够更快地进行深度学习任务。下载CUDA的安装程序后，根据向导的指示进行安装即可。需要注意的是，选择合适的CUDA版本与你的GPU兼容，对于我的显卡，红框内的都可以下载。

官网链接：

https://developer.nvidia.com/cuda-toolkit-archive

4、安装完成后还需要检查cuda的路径是否添加到了环境变量中。这就是cuda安装成功后的信息。

5、接下来安装CUDNN，在NVIDIA官方网站即可下载安装，根据指引注册开发者账号，下载对应cuda版本的cudnn，下载后将文件解压后的三个文件夹复 制到CUDA的安装目录下即可。

https://developer.nvidia.com/rdp/cudnn-archive

6、接下来，我们将使用Anaconda来创建一个独立的Python环境。

在Anaconda官方网站上下载并安装。安装完成后，打开Anaconda的终端，创建一个新的环境，例如：

#这将创建一个名为myenv的Python 3.8环境conda create -n myenv python=3.8#激活新环境conda activate myenv

7、接下来，安装PyTorch。PyTorch是一个广泛使用的深度学习框架，它提供了丰富的工具和函数来简化深度学习的实现过程。

建议通过官网的方式安装。

https://pytorch.org/

选择对应的配置，Run this Command:会自动生成安装命令，就用提供的命令在终端运行安装即可，能避免好多问题。

8、完成了上述步骤后，炼丹炉就准备就绪了，再测试下，检验是否安装正确的代码：

import torchprint(torch.__version__)print(torch.cuda.is_available())print(torch.version.cuda)
# 2.1.1+cu121# True# 12.1

现在，已经具备了配置好了NVIDIA炼丹炉，可以将平常需要些很多逻辑判断才能实现的功能提取出来，考虑下通过AI的方式实现。

路漫漫其修远兮，吾将上下而求索。

最后贴上大佬完整版的安装过程

https://zhuanlan.zhihu.com/p/270239731?utm_campaign=shareopn&utm_medium=social&utm_oi=1604636837430894592&utm_psn=1708227242323234816&utm_source=wechat_session&utm_id=0