PyTorch安装指南：轻松上手深度学习框架（CUDA）

在这个数据驱动的时代，深度学习已经成为解决复杂问题的重要手段之一。而PyTorch，作为最受欢迎的深度学习框架之一，因其易用性、灵活性和强大的社区支持而备受青睐。无论是初学者还是经验丰富的数据科学家，都能从PyTorch中找到适合自己的工具和资源。本文将指导你完成PyTorch的安装过程，让你轻松踏上深度学习之旅。

一、确认系统环境

1. 操作系统：建议使用Windows或Linux系统，因为CUDA在这些系统上支持较好。
2. NVIDIA显卡：确认你的计算机中安装了NVIDIA显卡，因为CUDA是NVIDIA提供的GPU加速平台。
3. NVIDIA驱动：确保已安装适用于显卡的最新NVIDIA驱动。你可以通过NVIDIA控制面板或系统信息来检查显卡和驱动版本。

   只要安装这个以下的版本都可

二、安装CUDA Toolkit

1. 下载CUDA Toolkit：
   • 访问NVIDIA的CUDA Toolkit下载页面（NVIDIA CUDA Toolkit下载页面）。
   • 根据你的操作系统、显卡型号和CUDA版本兼容性选择合适的CUDA Toolkit版本进行下载。
2. 安装CUDA Toolkit：
   • 双击下载的CUDA Toolkit安装包，按照安装向导的指示进行安装。
   • 在安装过程中，你可以选择默认安装路径或自定义安装路径。
   • 安装完成后，通常会在系统路径中自动添加CUDA的bin和lib路径，但你也可以手动检查和配置环境变量。

三、配置环境变量（可选但推荐）

1. 找到CUDA的安装路径：
   • 默认安装路径通常是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X（Windows系统）或/usr/local/cuda-X.X（Linux系统）。
2. 编辑环境变量：
   • 在Windows系统中，你可以通过“系统属性”->“高级”->“环境变量”来编辑Path变量，添加CUDA的bin和lib路径。
   • 在Linux系统中，你可以将CUDA的bin和lib路径添加到你的shell配置文件中（如.bashrc或.zshrc），然后执行source ~/.bashrc或source ~/.zshrc来应用更改。

安装torch

进入官网PyTorch（点击）

选择pytorh下载，pip不稳定推荐离线下载

 https://download.pytorch.org/whl/cu118进入pip后面的网站

点击找到自己所需版本

下载所需的三个

pip install whl文件位置

使用pip安装

python中含这三个包即安装成功