安装GPU版本Pytorch（全网最详细过程）

目录

一、前言

二、安装CUDA

三、安装cuDNN

四、安装Anacanda

五、安装pytorch

六、总结

一、前言

最近因为需要安装GPU版本的Pytorch，所以自己在安装过程中也是想着写一篇博客，把整个过程记录下来，在整个过程中也遇到了不少的问题，查看了以往别人的一些解决方案，希望能够给遇到同样问题的提供一些参考。

如果大家在安装pytorch的时候，并不需要安装gpu版本的，即使用cpu进行训练的pytorch，那么直接在Aanaconda Prompt当中输入以下命令即可：

pip install pytorch

如果是想要安装gpu版本的pytorch，则需要参考以下几个步骤。

二、安装CUDA

以我自己的电脑为例：我的电脑显卡是Geforce MX150，CPU是i5-8250u，操作系统是win10。如果想要使用gpu版本的pytorch，首先得安装一个自己显卡支持的CUDA版本。

根据我自己的电脑，选择的是CUDA9.2版本。

1、查看电脑的显卡驱动版本：右键选择NVIDIA控制面板→帮助→系统信息

2、查看安装不同版本CUDA所对应的显卡驱动版本（比如这里我选择的就是9.2版本，建议显卡驱动版本高的安装高版本CUDA，显卡驱动版本只要大于CUDA对应的最低版本就行，显卡驱动版本版本过低可以升级）：[https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html](https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html "https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html")

 3、接下来下载所选择版本的CUDA，下载网址：[https://developer.nvidia.com/cuda-toolkit-archive](https://developer.nvidia.com/cuda-toolkit-archive "https://developer.nvidia.com/cuda-toolkit-archive")

4、下载完成直接安装即可。

有些人在安装过程中会出现visual studio integration失败的提示，查了一些资料和案例发现最简单的办法就是选择自定义安装，在CUDA组件下取消勾选visual studio integration，这样就不会报错了，另外在安装的时候还出现了弹窗提示脚本错误，这个直接无视就行。

5、安装成功以后可以测试一下，在命令行里面输入nvcc -V，能输出版本则代表安装成功。

三、安装cuDNN

cuDNN需要先注册才能下载：[https://developer.nvidia.com/rdp/cudnn-archive](https://developer.nvidia.com/rdp/cudnn-archive "https://developer.nvidia.com/rdp/cudnn-archive")，进去慢是常态！

1、注册完以后选择对应CUDA版本进行下载，我这里选择的是CUDA9.2的对应版本。

2、下载下来以后，解压之后的文件结构如下。

3、接下来把这四个文件全部复制到CUDA的安装文件夹下面。

CUDA安装的默认文件夹是：C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v9.2

复制完成以后如下图所示：

4、然后测试cuDNN安装是否成功。

在extras/demo\_suite/目录下右键在windows终端中打开，然后./bandwidthTest.exe运行，，如果Result = PASS则代表cuDNN安装成功。

四、安装Anacanda

由于我的电脑已经安装过Anaconda，所以此步骤就不再重复，如果不会安装的话，可以去我的另一篇博客里查看，里面有Anaconda官网，里面可以进行下载：[https://blog.csdn.net/Starinfo/article/details/125828332?spm=1001.2014.3001.5501](https://blog.csdn.net/Starinfo/article/details/125828332?spm=1001.2014.3001.5501 "https://blog.csdn.net/Starinfo/article/details/125828332?spm=1001.2014.3001.5501")

注意安装时勾选将Anaconda加入到环境变量中。

1、 默认大家已经安装好的情况，打开Anaconda Prompt，通过conda创建一个名为pytorch的虚拟环境，名字可以任取：

conda create -n pytorch python=3.7

2、创建好的虚拟环境可以通过如下命令查看：

conda info --envs

3、然后激活：

conda activate pytorch

五、安装pytorch

1、在清华源镜像中下载pytorch、torchvision、cuda92：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

因为我的压缩包分散了，方便大家看，使用一张别的博主的图：

2、一定要选择正确的版本，带有cpu的版本不要选择，这里选择的pytorch是1.4.0版本，torchvision是0.5.0版本，将上述压缩包复制到Anaconda安装文件夹下对应的pkgs文件夹下。

3、在第三步创建的新环境pytorch中安装下载好的压缩包

conda install D:\Anaconda\pkgs\cuda92-1.0-0.tar.bz2
conda install D:\Anaconda\pkgs\pytorch-1.4.0-py3.7_cuda92_cudnn7_0.tar.bz2
conda install D:\Anaconda\pkgs\torchvision-0.5.0-py37_cu92.tar.bz2

安装完以后如图所示：

4、到这一步，该环境已经搭建完成了，接下来将该环境加入到pycharm中，在file→Settings→Python Interpreter中点击右侧的齿轮，选择add->Existing environment，选择刚才创建好的pytorch环境，这里因为我已经创建好了，忘了截图，所以用一张别的博主的图给大家作演示：

5、验证是否安装正确，可以运行下面代码，看是否得到输出。

import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)


import torch
print(torch.cuda.is_available())  #输出为True，则安装无误

六、总结

至此所有的工作都已经完成，接下来就可以在pycharm中进行pytorch的GPU版本的学习和训练。本篇博客是跟据我个人的安装情况和其他博主的安装情况综合而成，有什么遗漏或错误的的地方欢迎大家指正！

#学习资源推荐

零基础Python学习资源介绍

👉Python学习路线汇总👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（学习教程文末领取哈）

👉Python必备开发工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python学习视频600合集👈
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉实战案例👈
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉100道Python练习题👈
检查学习结果。

👉面试刷题👈

资料领取

上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码输入“领取资料” 即可领取。