win10+mx250+CUDA10.2+torch1.10的安装配置方法

win10+mx250+CUDA10.2+torch1.10的安装配置方法（避免踩坑）

目录

• • win10+mx250+CUDA10.2+torch1.10的安装配置方法（避免踩坑）
  • • 写在前面
    • 1 查看自身适合的CUDA版本
    • 2 配置anaconda环境
    • 3 下载cuda和cudnn
    • • 3.1 官网下载
      • 3.2 配置系统环境变量
      • 3.3 将cudnn的文件复制到cuda文件夹中
      • 3.4 检查是否安装成功
    • 4 安装pytorch
    • • 走弯路1
      • 发现问题
      • 走弯路2
      • 成功
      • 指令部分
    • 5 遇到的小坑
    • 写在后面

写在前面

花了半天左右的时间完成了安装，感觉自己已经快把坑踩完了，写一篇小博文浅浅纪念一下。

1 查看自身适合的CUDA版本

首先需要查看一下自身独立显卡对应的CUDA版本，此处我们可以看到是10.2。

2 配置anaconda环境

笔者本身自己就有anaconda+pycharm的环境，于是此处可以跳过

3 下载cuda和cudnn 3.1 官网下载

cuda官网下载链接
安装cuda的时候有些选项可以不用选，例：由于我自身已经安装过vs2022，所以cuda中的visual studio我就没有勾选。
cudnn官网下载链接
大家根据自身具体情况下载相应的版本即可，其中cudnn是需要注册账号的（看有人说需要做问卷，hh我好像没有碰到过，不过比起后面的步骤，这一步简直不要太友善，无脑做一下就ok）

3.2 配置系统环境变量

接着在PATH中添加如下的两个路径。如果你也像我一样懒（划去），在3.1安装的过程中没有改变cuda的默认安装路径，那么直接和我一样添加下面的两行就行（拿去不谢）。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

3.3 将cudnn的文件复制到cuda文件夹中

即bin、include、lib这三个文件夹

3.4 检查是否安装成功

可通过命令行输入nvccc -V，检测cuda是否安装成功。

4 安装pytorch 走弯路1

我最开始是看到教程决定在官网进行安装
但如图，我发现官网首页对于cuda10.2已经不提供指令了。

看到可以支持11.3，我灵机一动（给自己挖坑）将conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch中的版本号改称10.2不就ok了嘛conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch提示安装完成！

发现问题

可当我准备开始体验一下GPU的快乐，新建py文件之后，却发现torch.cuda.is_available()却一直返回False（开始无语）。
于是继续开始百度，我找到了这篇博文完美解决torch.cuda.is_available()一直返回False的玄学方法，通过conda list指令，我发现虽然指令中明确指出了cuda的版本，但pytorch中仍出现了cpu的字样，即我之前找到的指令只能让我安装支持cpu的cuda，没有办法使用GPU。

走弯路2

很遗憾，虽然我的问题和链接中一样，但是链接中的方法并没有“完美解决”我的问题，不过这让我坚信安装源出现了问题。
我通过此网站下载了对应版本的torch、torchvision和torchaudio
通过pip install+路径的方式安装之后仍然出现报错或者等了20min毫无动静的情况。

成功

在经历了分别下载了10g左右的安装文件后，我发现了可以这篇博文中提到了
pytorch关于历史版本的官方网站

指令部分

废话完毕，以下是cmd指令部分：

conda create -n pytorch_gpu python=3.8
#创建名为pytorch_gpu的虚拟环境（名字自定）
activate pytorch_gpu
#进入刚才创建的虚拟环境
conda config --set remote_read_timeout_secs 600.0
#防止网络不好，出现timeout，设置conda下载的timeout
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch

由于担心出现出现默认安装的pytorch为cpu类型，这次我没有借用任何的外部源环境，安装速度尚在可接受范围内。

撒花~安装成功，如图我们可以进入python环境进行检测一下，yeah都是true!

5 遇到的小坑

1. 注意权限问题
   如果在cmd窗口出现了denied 的情况，极有可能是因为权限不够
   法1：右击文件夹选择属性，增加权限
   
   法2：以管理员权限的形式打开cmd窗口

2. 建议使用虚拟环境
   因为比较耐造，中途如果出了问题，使用conda指令删除环境再重新安装就可以。
   不过我其实是在同一个虚拟环境中反复安装pytorch的，后装的应该会直接覆盖原先安装的。即之前安装的pytorch+cpu会被后来的pytorch+gpu给覆盖。

3. 设置timeout
   防止网络不好

4. 关闭vpn
   应对如下的报错：
   ProxyError: Conda cannot proceed due to an error in your proxy configuration.

5. 将此环境添加到jupyter 中
   教程在此

---

写在后面

寒假玩太high了，把自己电脑屏幕给摔碎了，上学的时候就一直用的麻麻原来的办公本（联想，无英伟达显卡），所以只能使用pytorch+CPU（pytorch+cpu配置教程在此)，然后一直对GPU心痒痒的。

昨天早上刚收到修好的电脑，第一件事情就是查看了一下自己的显卡，发现可以装，就一鼓作气装起来啦！

昨天上课看到大家作业都或多或少做起来了，我这边环境还没配完，说一点不慌是假的，虽然可以用CPU跑，但是还是“不想将就”，既然有独立显卡，为什么不能试试GPU呢，就算装不上也有CPU保底，带着磨刀不误砍柴工的自我安慰式想法一直在死磕。好在最后配上了好耶！

希望大作业一切顺利！