通过远程桌面连接服务器电脑。
服务器自带驱动程序，无需自行下载。只需要下载CUDA、cuDNN和pytorch的3个文件即可。
-
1 NVIDIA驱动版本和对应的CUDA版本查询
驱动版本：451.77，对应CUDA版本为11.0.197（官网版本向下取）
- 2 CUDA下载
CUDA下载官网：CUDA Toolkit Archive | NVIDIA Developer
此处驱动版本可能不完全一致，但接近即可。
- 3 cuDNN下载
CuDNN官方下载网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
-
4 安装CUDA和cuDNN
默认安装地址，安装简易版即可。
CUDA安装完成后，将cuDNN压缩包解压，改名为 cuDNN，复制到CUDA指定文件夹下：
- 5 添加系统环境变量
将CUDA文件夹下的
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0extrasCUPTIlib64 和
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0cudnnbin
两个路径添加至系统变量path中
- 6 CUDA&cuDNN安装成功检测
均显示PASS即安装成功。
三个版本查看（驱动设备、CUDA、cuDNN）：
- 7 Pytorch安装
准备一个新建的工程文件，带有之前未安装过torch、torchvision等相关库的解释器。
查询pytorch对应版本：Start Locally | PyTorch
没有找到对应的CUDA 11.0版本，因此在previous版本中查看CUDA 11.0对应的torch版本： 找到对应的torch版本为1.7.1；torchvision版本为0.8.2；torchaudio版本为0.7.2
Pytorch官方下载网址：https://download.pytorch.org/whl/torch_stable.html
Ctr+F快速查询这三个待下载文件的对应版本进行下载：
- 8 安装torch、torchvision和torchaudio
将这三个文件复制粘贴至准备好的解释器scripts文件夹下：
该文件夹路径下cmd进行三个库的安装：Pip install 文件名。
例如：pip install torch-1.7.1+cu110-cp39-cp39-win_amd64.whl
先安装torch，其余两个与torch安装方法相同。
- 9 测试CUDA
device=cuda，安装成功！
