显卡驱动和CUDA
一、升级显卡驱动到官方最新版
1、打开英伟达官网，输入显卡芯片型号，手动搜索并下载显卡驱动。 NVIDIA 官方驱动
2、下载完成后安装驱动。
二、确认显卡支持的最高CUDA版本
1、键盘"win+R"，调出运行输入cmd后点”确定“或回车，进入命令行模式
2、在命令行窗口输入nvidia-smi，回车，出现下面的内容：
第一行的CUDA Version：12.6，含义是本显卡支持的最高CUDA版本是12.6。
三、下载和安装CUDA Tookit
1、确定显卡算力，打开下面链接：CUDA GPU | NVIDIA 开发者
展开上面网页的对应自己显卡类别子链接，找到自己的显卡型号。
我是2080Ti，对应的算力是7.5。
2 、选择CUDA版本参照这篇： NVIDIA GPU的架构代号_kepler-CSDN博客，
我的显卡7.5算力，对应的CUDA是10以上，前面已知显卡支持的最高CUDA版本是12.6，所以选择范围为10.0-12.6。
打开网址CUDA Toolkit Archive | NVIDIA Developer，本着不选过高和过低版本的原则，选择V11.6。
3、点击下载解压缩和安装。
四、验证路径是否加入环境变量
打开 此电脑---->系统属性---->高级系统设置---->环境变量
在系统变量内有这两个路径即可。
五、验证CUDA安装
打开命令行窗口，输入nvcc -V，显示如下内容，即为安装成功。
cuDNN
一、下载
选择适合的版本，下载解压后得到了四个文件夹和一个文件，如图：
二、复制
打开CUDA的安装路径，将上面的四个文件夹内的文件复制到安装路径下同名文件夹内，即bin内的文件复制到安装路径bin，include内的文件复制到安装路径include，lib内的文件复制到安装路径lib，单独的LICENSE文件复制到CUDA的安装路径文件夹内，我的路径是这个：
三、验证
首先打开CUDA安装路径下的\extras\demo_suite文件夹，如图：
在地址栏单击鼠标左键，输入cmd回车，打开命令行窗口，显示如下：
输入bandwidthTest.exe，回车，显示如下
输入deviceQuery.exe ，回车，显示如下
以上均显示Result = PASS，则为cuDNN安装成功。
anaconda
一、下载
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
这里选择了2022-10 的版本。
二、安装
一路next直到开始安装。
出现了这个把勾去掉：
三、修改环境变量
双击打开系统变量的path，新建以下路径：
注意，新建的时候把路径换为你安装的anaconda的实际路径。
四、验证安装
打开命令行窗口，输入conda --version回车，出现下面内容，安装成功。
PyTorch
一、下载文件：
1、获取本机的python和CUDA以及cuDNN版本：
在命令行窗口输入python，会显示python的版本，我的是3.9：
在命令行窗口输入nvcc -V，会显示已安装的CUDA的版本，我的是11.6：
用记事本打开CUDA安装路径下的\vxx.x\include下的cudnn_version.h，我的路径是这个：
找到下面几行字：
8.9.7就是cuDNN的版本，我们只需要知道第一位数字8就够用了。
所以我应该下载的torch版本是：python3.9，CUDA11.6，cuDNN8.0：
2、下载文件
打开链接
Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
我的系统是win64，所以继续点击win-64，出现下面内容：
根据本机的python和CUDA以及cuDNN版本选择pytorch版本下载。
下载完毕后保存在本地文件夹，不用解压缩。
3、在anaconda内创建虚拟环境并安装pytorch
新建或者克隆base虚拟环境，如果用新建虚拟环境，则新环境只包含几个常用的包，优点是占用空间小，缺点是很多常用的功能包，比如numpy、pandas等都需要重新再一个一个手动安装。克隆base虚拟环境的方法，新环境里包含了base包里的所有功能包，缺点是占用空间大。
新建的方法：windows桌面点”开始“，打开Anaconda Prompt:
输入conda create -n <env_name> python=<version>，将<env_name>换为新环境的名称，<version>换为python版本，例如：
克隆base环境的方法：
输入conda create -n <env_name> --clone base，例如:
这里用新建的方法创建一个新环境，名称为pytorch:
打开Anaconda Promp，输入conda create -n pytorch python=3.9，创建完成后输入conda activate pytorch，切换到pytorch环境:
输入：conda install <pytorch本地安装包的位置>，把pytorch本地安装包的位置换为第2步中下载的bz2文件的存储路径，我这里是H:\CUDAS\pytorch-1.13.1-py3.9_cuda11.6_cudnn8_0.tar.bz2
4、验证
安装完成后，输入conda list，出现下面内容，就安装成功了
在python中验证：先输入python，再输入import torch，如果出错，例如我的就出错了：
解决方法：首先输入exit()退出python，然后输入conda update --all，升级，就不会报错了。
再次进入python输入：import torch
torch.cuda.is_available()
结果虽然没有报错，但输出了False，其含义是cuda不可用：
分析原因，是conda升级的时候将pytorch升级成了CPU版的2.30
退出python，输入pip uninstall torch，卸载pytorch：
再次安装pytorch：
安装完成后再次验证：
输出了True，pytorch安装完成。
输入代码，测试一下：
import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)输出如下：
pycharm
一、下载文件
打开链接： Other Versions - PyCharm
选择版本：
我这里选择了2022.2的社区版
二、安装
一路next，遇到这个全部选勾
三、安装插件
1、汉化菜单
运行pycharm，新建项目，并打开，file--setting--plugins：
选择中文语言包并安装：
安装之后，重启pycharm，菜单就是中文了。
2、安装腾讯AI助手
打开文件--设置--插件：输入“腾讯AI助手”，点击安装。
腾讯AI助手在补全代码和预测你的编程意图方面，使用很方便。
3、添加解释器
pycharm窗口右下角，添加新的解释器--添加本地解释器
选择之前创建的pytorch虚拟环境下的Python.exe，点确定
在脚本中输入之前使用过的测试代码：
运行结果：
到此为止，安装基本完成。
opencv
opencv的安装过程见下：
机器视觉学习笔记和过程记录：下载安装OpenCv_python3.8安装opencv-CSDN博客
标签：cuDNN,python,OpenCV,pytorch,CUDA,显卡,安装,输入 From： https://blog.csdn.net/xulibo5828/article/details/141335160