本文最后更新于 2024-11-28，文章内容可能已经过时。

如何安装Pytorch？

pytorch简介

PyTorch是一个开源的深度学习框架，由Facebook人工智能研究院（FAIR）开发。它提供了一套动态张量计算库，具有易于使用、高效性能和强大的扩展性等特点。PyTorch支持在GPU上运行，能够大大加速深度学习模型的训练和推理过程。

安装准备工作

在开始安装PyTorch之前，我们需要进行一些准备工作。首先，确保您的计算机上已安装了合适版本的Python。PyTorch需要Python 3.6或更高版本。同时，您还需要安装pip包管理器，用于安装PyTorch和其他依赖项。所以我们可以通过安装Anaconda来创建一个适合深度学习的Python环境。以下是详细的安装步骤。

下载Anaconda

判断是否有NVIDIA显卡

在安装PyTorch之前，我们需要判断您的计算机是否安装了NVIDIA显卡，因为PyTorch的GPU版本需要NVIDIA显卡来加速计算。您可以通过以下步骤来判断：

① 打开设备管理器：在Windows上，按下Win键和X键，然后选择“设备管理器”。在macOS上，打开“系统偏好设置”，选择“硬件”选项卡，然后点击“设备管理器”。

② 查看显示适配器：在设备管理器中，展开“显示适配器”或“图形处理器”部分，查看是否有NVIDIA显卡的列表。如果有NVIDIA显卡，那么您的计算机适合安装PyTorch的GPU版本。

如果没有NVIDIA显卡，您可以只安装PyTorch的CPU版本。如果您有NVIDIA显卡，您还需要进行其他步骤来安装PyTorch的GPU版本。

安装pytorch-GPU版本

查看CUDA显卡驱动版本

在cmd命令行终端输入nvidia-smi，可以查看到版本为12.3

nvidia-smi

657f7c1e08853bafb6864ca87a5cb86d

安装CUDA

为什么安装pytorch-GPU前一定要安装CUDA和CuDNN呢？

在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN的原因如下：

  1. CUDA是NVIDIA推出的并行计算平台和API模型，它使得显卡可以用于图像渲染和计算以外的目的，例如通用并行计算。PyTorch通过CUDA可以充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。
  2. cuDNN是CUDA的扩展库，专门针对深度神经网络中的基础操作提供高度优化的实现方式，例如卷积、池化、规范化以及激活层的前向和后向过程。使用cuDNN可以大大提高深度学习模型在GPU上的运行效率。

因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。如果不安装CUDA和cuDNN，PyTorch-GPU将无法正常工作。

从官网下载对应的CUDA版本，由于我的显卡版本为12.3，只需要安装小于或者等于12.2都是可以的，因此这里我安装12.0。

官网地址：CUDA Toolkit Archive | NVIDIA Developer

image-20241118221108311

image-20241118221143001

下载好后，双击安装包进行安装，可以安装在自定义的目录文件夹下

image-20241118221231424

image-20241118221257131

image-20241118221328357

查看是否安装成功，在命令行输入以下指令进行检查，出现以下类似的输出就证明安装成功。

nvcc  -V

image-20241118221505495

安装CuDNN（加速器）

通过官网进行安装CuDNN，网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

注意：需要注册登录才能进行安装

image-20241118221555594

image-20241118221616806

image-20241118221633827

安装并解压完后，将这几个文件夹复制到CUDA安装路径下，就已经安装完成了。

image-20241118221704332

安装pytorch-GPU

在安装PyTorch之前，**为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，**避免不同项目之间的冲突。以下是创建虚拟环境的步骤。

  1. 打开终端：在Windows上，打开Anaconda Prompt；

  2. **创建虚拟环境：**运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“myenv”。

    conda create -n <env_name> python=<version>

    例如，要创建一个名为myenv的虚拟环境，其中Python版本为3.8。

    conda create -n myenv python=3.8

  3. **激活虚拟环境：**运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用activate命令；

    conda activate <env_name>

    例如，要激活名为myenv的虚拟环境，可以运行：

    conda activate myenv

  4. **安装PyTorch（GPU）：**在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装GPU版本。例如：（网络不佳和必要的时候可以添加国内源）

    pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

    image-20241118222258604

​

pytorch-GPU安装验证

注意：torch.cuda.is_available() 为True则GPU可用，False表示不可用

import torch
 
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为True，则安装成功

image-20241118222424619