Win7离线安装pytorch-GPU步骤及DLL load failed的处理

单位配的电脑是Lenovo的Think Station（显卡是NVIDIA Quadro P4000），但是只能离线使用且强制Win7；
目的：离线安装GPU版的pytorch，记录下可行的操作流程，再需要时能快速安装环境，不必在编程环境上浪费时间

一、安装CUDA：

1.确定CUDA版本

查看自己电脑显卡支持cuda最高版本的步骤：

（1）打开NVIDIA控制面板

（2）点击帮助、系统信息

（3）点击组件 ，红线处即为CUDA的最高支持版本

2.下载并安装CUDA

下载CUDA驱动请点这
下载后选择自定义安装，可根据自己需要选择安装组件（不用全选）


如果图省事就直接默认路径即可，但是可以截个图记录一下，后面添加环境变量会用到。

二、CUDNN的下载与使用

CUDNN下载请点击
下载之前官网会让你注册一个账号并填写一个问卷调查，跟着他的步骤一步步来就可以，填完之后找到支持你已安装的CUDA版本的CUDNN，下载就可以

解压下载的压缩包，并将里边的bin文件夹、include文件夹、lib文件夹复制到CUDA的安装目录里面，（注：之前cuda安装目录里面也有这些文件夹，咱们赋值cudnn的是要把CUDA的这三个文件给覆盖掉）

———————————————
版权声明：以上部分为CSDN博主「wobushizhainanyu」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
https://blog.csdn.net/wobushizhainanyu/article/details/107736090

三、配置环境变量

1.配置环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，也可改为自定义路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；
如果你选用了自定义路径，上述这些默认路径都应该相应替换为你的自定义路径，如下为我的环境变量和PATH的配置情况：
环境变量：

添加完毕后PATH应该是这样的

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe；
首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:
如果以上两步都返回了Result=PASS，那么就算成功啦。
————————————————
版权声明：以上部分为CSDN博主「qilixuening」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qilixuening/article/details/77503631

四、pytorch-GPU的安装（容易出问题）

确定好CUDA和CUDNN安装完成后开始安装torch 和torchvision（版本对应如下）

我成功安装的版本是torch1.5和torchvision0.6
因torch.whl文件较大，建议最好下载下来离线安装

torch下载地址

下载后使用pip安装即可

安装好后使用下面语句试运行，如果不报错且可用设备是CUDA就说明安装好了

import torch
import torchvision
torch.cuda.is_available()
device = torch.device("cuda:0" if(torch.cuda.is_available() and True > 0)else "cpu")
print(device)
print(torch.cuda.get_device.name(0))

常见的错误：DLL load failed

通过pip安装pytorch，from torch._C import * ImportError: DLL load failed
这是当时卡了我好几个小时的问题，我也翻看了CSDN上很多网友的解决办法都不太管用。于是又查了pytorch官方文档的issue，也看了GitHub和stackflow上的讨论，大致的原因应该是pip安装时whl包并不全，部分依赖包并没有打包进来，需要补充完整。

下面是我总结的几种可能的原因以及解决办法，也可能不全。如果还有其他办法希望大佬可以在评论区提出更好办法

解决办法：

参考链接
解决这个问题可以根据以下的思路：

1.可能是Python的版本出现了问题。

我之前是Python3.6.0版本，一直调不通。我就从官网上直接下载Python3.6.6的安装包。GitHub上的讨论也说Python3.x.0的版本建议升级到Python3.x.y

2.可能是VC组件没有安装

若从来没有安装过VC组件的可以装一下，百度搜安装VC_redist.x64.exe

3.可能是pytorch的版本不对

在CUDA版本允许的情况下选择尽可能新的版本。我在调试的过程中一开始使用的是torch1.4,但是怎么也调不通，我就尝试安装torch1.5版本的就可以了

4.可能是部分依赖包没有安装

查看了pytorch的官方issue，pip安装的话会有一些依赖包没有包括在whl中，需要另外安装

如果有互联网的环境下

pip install mkl mkl-fft intel-openmp numpy

如果是离线环境下

pip download -d d:\packages mkl mkl-fft intel-openmp numpy
pip install --no-index --find-links=d:\packages ***.whl(添加各个包即可)

尤其要注意numpy的版本，最好是新版本