写在前面：

从0基础开始断断续续装了快4天，到处找解决方法，中间经历10多次的remake，最后应该算是装好了，特此记录一下，顺便防止我以后再配环境的时候忘了操作。。

1、安装cuda和cudnn

首先查看cuda driver version

命令行（win+R并输入cmd）输入nvidia-smi

右边可以看硬件上的cuda driver版本

其中cuda driver版本≥cuda runtime版本（即Pytorch 可以选择的cuda版本），我最开始的版本是10.2，发现Pytorch中现在没有10.2的cuda了（主要是以前的没看到），然后选择升级cuda driver version到11.6，想想还是升最新的，然后升到了11.8，准备配11.6的Pytorch cuda版本。

安装cuda和cudnn可以参考：(42条消息) 【CUDA】cuda安装 （windows版）_何为xl的博客-CSDN博客_cuda windows

我最后安装的是11.8的cuda和8.6.0的cudnn，重要信息，好好记住，后面会在提到。

2、安装anaconda

我的感觉是随便选个最近版本的安装就行了，安装还是挺简单的，我这几天的前段时间光出bug还以为是anaconda安装出问题了，把anaconda remake了3次了，后来无事发生，发现问题不在这儿，我太愚蠢了。

附上我认为b站上讲cuda，gpu是啥（说真的我当时也是真不清楚），anaconda的安装与使用与指令，pycharm的gpu配置讲的比较清楚的一个合集，给0基础的我讲得很透彻：21. GPU版本-安装Anaconda_哔哩哔哩_bilibili，五星好评。

3、安装Pytorch

重点来了，我觉得最烦人的阶段

前段时间耽搁在anaconda上，后段时间耽搁在这上面

通过pytorch官网上的conda指令能安装，用pip指令也能安装，甚至下载whl文件，然后再用pip直接安装也行（附链接），作为cuda11.8的我，11.6，10.3，10.2都能安装，但我秉持着安装最新的原则安装了11.6的，输入指令后，最好用镜像网站，那样更快，但我因为第一次用的镜像安装失败了，所以就用的官网提供的，我这儿好像速度也不慢，所以后面就没用镜像了。

在经过几次install和uninstall的操作之后，我才发现了下面这个现象，我真的太蠢了。

以10.2的安装为例，输入指令后，在确定是否安装（y/n）之前有这些信息

​在红框处写着cpu，那不用想了肯定是安装成cpu版本了，不过我就开始纳闷，我是按照官网给的指令安装的，为啥也能装成cpu，后来发现pytorch版本是1.12.0，和其他几个包版本对不上，所以安装不上，不过既然装不上为啥还要写出来，可能也是我在第一层没领会到操作。而我直接用官方提供的cuda=11.6的conda命令安装，各个版本都对应上了也是cpu。纳闷。

继续以10.2的安装为例，输入指令后，在确定是否安装（y/n）之前有这些信息

​在红框处是这样的，那么就可以开始下一步输入y安装了。

可以在装了pytorch环境中输入python进入python环境，然后

import torch
torch.cuda.is_available()

判断是否能使用gpu

若输出True则成功了

​这些例子是我最后安装10.2时候的，但我最开始是从11.6开始装的。再经过了几次remake后，当

第一次输出为True时，我开始安装yolov5的依赖文件，后来安装出了bug，import torch都报错：未找到这个包了，然后我又remake了anaconda了。

再经过了几次remake后，发现始终输出都是False，后来采用了直接下载11.6版本的whl文件，第二次输出为True，开始训练yolov5（yolov5的链接，顺便提一句tensorboard需要自己pip，我当时不知道），训练了几次，输出可视化没变化以及测试发现没结果，才发现结果成nan了，又在网上查原因，有

1、数据集大小的问题

2、学习率的问题

3、cuda和cudnn的版本不一致的问题

最开始在找前两点原因，后来发现用

torch.backends.cudnn.version()

可以看cudnn版本

​我用这个代码测试我自己下载的cuda11.8版本输出是8303（大概是，忘了保存了），也就是8.3.3（应该是），但我的cudnn是8.6.0，我开始意识到不对劲了，然后用另一种直接去cudnn_version头文件看版本的方法发现还是8.6.0，开始纳闷了，一直到现在都没弄清楚，此时此刻，我已经有点想把我的11.8降到10.2了，然后刚好配上8.3.3的cudnn，但是我突然意识到一个问题，是不是造成这个的原因是我没有按官方的命令下载pytorch，因为我是安装的whl文件，所以我决定将官方的conda和pip命令依次进行试验，看看输入上方的代码后是否会出现不同的cudnn版本，然后经过了连续几次的install和uninstall后，发现了上面提到的那个现象，真的蠢，浪费了好多时间。最后直接安装了10.2cuda版本的pytorch，经过训练测试发现没有nan了，开始出现具体数字了，后面测试了一下能正常使用了，但是这个cudnn版本号是7.6.5，而我还是8.6.0。

​但是我又能用了，疑惑且不解，开始怀疑这个

torch.backends.cudnn.version()

代码是否代表cudnn的版本了（我现在觉得不一定是了，还是说现阶段的pytorch自动把cudnn集成了，不用我单独安装了），但我确实能用了，而我的cuda和cudnn从我第一次安装好后就没动过了，单独用11.6的whl就会造成他们版本不一致，conda指令安装10.2的就好了，疑惑且不解，所以最后的结果兜兜转转还是回到了10.2版的，而我最开始的cuda driver version也是10.2，属于是白忙活了。

但我没找到10.2是否比11.6更慢的信息，就我个人体验而言，用10.2版本比11.6版慢了一倍，不知道是不是确实慢了一倍还是因为我用11.6版的时候结果都是nan导致的程序内部有些代码没运行，所以时间更短，我用自己的能力现在也验证不了，求有知道的佬可以解答一下

第二天

好像又出bug了

看网上的意思是pytorch版本和torchvision没对上，但我pytorch版本和torchvision分别是1.10.1和0.11.2啊，版本对上了啊，不懂，继续remake吧

遍历官网给的命令，发现这个能将loss显示出来，

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

但就是又会出现这个警告（之前loss是nan时也是这个提示，但现在loss好了，还有这个提示，终归还是变好了一点）

但我想先记录下来，再试试其他的，于是运行了这一条

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

然后出了个bug，通过这个解决了，开始训练，又出现上面这个顺序问题的警告，也能显示loss，而且我发现比昨天10.2的cuda好像更快了，然后训练200轮，一直到30多轮的时候发现loss好像空有示数但是没啥变化，好像又成之前情况了，所以还是看不出来到底谁快了属于是，我又开始remake了。

我现在有点感觉可能是我最开始把cuda driver version升级到11.8造成的这个原因，但我cudnn的对应版本也没错啊，我也不想把cuda降回去了，我头铁，我主观上觉得它没问题，但我客观上感觉有问题。不能因为我11.8的版本太高了吧。。

接着又用了下面这个指令

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch

这个pytorch和torchvision版本没对上（不然会出现今天（28号）上午的bug），官方的版本对应，pytorch=1.10.0的时候，torchvision应该是0.11.1，但我还是相信了官方，有点头铁，我准备试试，大不了再remake然后安torchvision==0.11.1的版本，照样出现该bug，解决后，然后奇迹出现了，好起来了，顺序bug和未找到文件的bug都没有了，当然速度也降下来了，不过训练5轮，肉眼可见地loss越来越小了。可能也许正常速度应该就是这个样子。

最后的最后，我还是不了解装gpu的原理是什么，只是粗略了解了，以及我没有按照pytorch和torchvision版本对应关系却也阴差阳错成功了，我也不知道为啥能成功，我就是碰个运气，然后碰到了运气。

总体来说，应该是安装成功了，希望能一直好下去，不要明天又出现bug了