联想小新15 2020 笔记本

2. 确定显卡支持的CUDA版本：打开英伟达控制面板→帮助→系统信息→组件，查看CUDA版本

3. 到英伟达官网下载对应的CUDA版本。我下载的版本是CUDA10.2

 选择CUDA的安装环境，安装类型我这里以 在线安装（network）为例 4. 安装CUDA：双击执行下载的exe文件，会先解压文件到临时目录（不是安装目录），保持默认即可

5. 安装过程：选择自定义

 取消勾选 Visual Studio Integration

 建议默认安装在C盘 。 这三个路径很重要，需要记住，后面配置环境变量以及安装cuDNN要用到  刚开始一直在0%得等一会，我的安装过程大概是15min（因为是在线安装较慢）

6. 配置CUDA的环境变量

在Path中手动添加如下路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

7. 验证CUDA是否安装成功

到英伟达官网下载与CUDA对应的cuDNN，我这里下载的版本是 cuDNN v7.6.5。

注意：需要先注册账号，填写个人信息及简单的调查文件后才能下载，一步一步来即可。

下载之后，解压缩，将CUDNN文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

请事先安装好 Anaconda3，到 PyTorch官网选择安装

在 Anaconda Prompt 输入上述指令，进行PyTorch安装，此过程时间较长，需耐心等待。(我大概用了40min)

测试安装是否成功，可以正常打印出版本号，安装没问题。 并测试能否用GPU加速，返回True。

拿AlexNet简单测试了下MX350的速度，测试时CPU满载，GPU只达到了50%

参考： win10下pytorch-gpu安装以及CUDA详细安装过程 Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程