提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

windows使用GPU2060配置cuda11.1和pytorch：

一、安装anaconda

anaconda是管理Python包的一个工具，可以创建虚拟环境。anaconda安装时会安装Python，在创建虚拟环境的时候也可以设置Python版本并下载。
anaconda安装比较简单：
1.到官网下载指定版本（anaconda版本与cuda版本以及pytorch版本无太大关系，选择较新的即可）
anaconda官网：https://www.anaconda.com/download/
64对应x86_64,32位对应x86.
2.根据提示安装，注意提示是否添加环境变量时，最好添加
安装完anaconda之后可以创建虚拟环境
格式如下：

conda create -n env_name python =3.7

其中env_name为虚拟环境名称，后边Python版本可以自行指定。
创建之后激活便可以使用

conda activate env_name

或者关闭

conda deactivate

删除

conda remove -n env_name --all

之后可以配置cuda

二、安装cuda11.1

1.确定自己电脑显卡对应的cuda版本

方法一：查看NVIDIA控制面板，点击系统信息，查看组件
可以看到其中第三行为CUDA 11.1.114 driver，因此可以选择CUDA版本为11.1

方法二：win+r，cmd进入命令行，输入nvidia-smi查看显卡信息

可以看到版本为11.1

2.下载cuda

确定cuda版本之后，可以到官网下载https://developer.nvidia.com/zh-cn/cuda-toolkit。
之后进行安装，除了在安装选项选择自定义之外，其余按照默认即可。

安装后重启在windows命令行窗口输入

nvcc -V

若出现响应版本 信息即安装成功。
或者打开安装目录，默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\，找到nvcc也说明安装成功。
安装成功cuda之后还要安cudnn,也是到官网https://developer.nvidia.cn/rdp/cudnn-archive下载指定版本（需注册填写问卷）
我这里选择的是第三个。
下载过程中可能会遇到，注册过程可能会遇到问卷不弹出的问题，建议使用外网VPN。
之后回到刚才那个CUDA的安装目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
把cuDNN压缩包解压缩，分别把bin、include、lib\x64三个文件夹中的.dll、.h和.lib文件复制到CUDA目录下对应文件夹里。
不是把三个文件夹复制过去覆盖掉，是里面的文件！！！
不是把三个文件夹复制过去覆盖掉，是里面的文件！！！
不是把三个文件夹复制过去覆盖掉，是里面的文件！！！
之后在环境变量path中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64.

三、安装对应的pytorch

pytorch安装遇到的最大问题可能是安装成cpu版本，这样便没法使用GPU加速。
在pytorch官网选择对应的版本会出现相应的指令，但往往会出现超时的情况。
这里参考https://blog.csdn.net/qq_45720608/article/details/120938622
首先激活之前建立的虚拟环境
然后使用如下命令

pip --default-timeout=1000 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

可以下载成功。
之后进入Python虚拟环境，输入

import torch
print(torch.cuda.is_available())

若输出true,说明安装成功。

MMDetection+3090成功安装的环境配置

• GTX 3090
• cuda11.1
• Pytorch1.7.0
• 安装mmcv：pip install mmcv-full==1.2.4 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.7.0/index.html
• MMDetection就按照这里安装，之后测试Faster RCNN没有问题

出现问题的配置：

• Pytorch1.8.0
• mmcv-fulll的cu111, torch1.8.0的对应版本
• MMDetection测试Faster RCNN会报错：CUDA error: no kernel image is available for execution on the device. 但不应该是Pytorch1.8有问题，Pytorch1.8+cuda11.1在别的code上不会报这个错，所以看起来是mmcv的对应版本还不能完全兼容。

一、安装Anaconda

较简单，一定要加入环境变量
可参考站内大佬的帖子，有很多。

二、安装Pytorch

1.cuda和nvidia驱动匹配问题

如果遇到pytorch不支持的cuda版本需要退到旧版本的驱动

2.安装cuda和cudnn

可参考站内相关文章

3.创建虚拟环境

安装pytorch前一定要创建虚拟环境，不要安装在base环境

代码如下（示例）：

conda create -n 环境名 python=版本号
activate 环境名 #激活虚拟环境

4.安装pytorch

安装pytorch前一定要创建虚拟环境，不要安装在base环境

activate 环境名 #激活虚拟环境

https://pytorch.org/
进入Pytorch官网，根据自己的配置选择版本
例如

pip3 install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio===0.11.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

验证安装是否成功：

import torch
print(torch.__version__)
torch.cuda.is_available()

三.安装mmcv-full

安装mmcv前需注意：

1.

mmcv有CPU版本和GPU版本，需要安装的是mmcv-full，如果安装过mmcv需要卸载掉

pip uninstall mmcv

2.

安装VS2019，需要C++的编译运行环境，并将以下路径加入环境变量

D:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx86\x64

（需根据自己的安装目录调整，不要安装VS2022！环境不兼容）

3.

接下来设置cuda架构

$env:TORCH_CUDA_ARCH_LIST=" " 

#根据自己的显卡算力填写，可在此网站查找https://developer.nvidia.com/cuda-gpus
也可直接输入以下代码：

$env:TORCH_CUDA_ARCH_LIST="3.5 3.7 5.0 5.2 6.0 6.1 7.0 7.5"

接下来下载安装mmcv-full

conda install git

git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8

python setup.py build_ext     #编译

python setup.py develop    # 安装

pip list    #验证是否安装成功