Pytorch2.4.0+cu124-GPU速装

注意事项：

1.介绍中大多网页需要科学上网，请提前准备好tool。

2.安装任何软件、Python包、whl等文件时，要确定好安装路径，尽量安转到C盘外。

3.检查下有无NVIDIA(英伟达)显卡，有这个显卡才能安装GPU版本，默认大家电脑都有。

 

（一）安装Anaconda最新版本

Index of / 这个网页包含了所有版本的anaconda，建议选择安装最新版本

 

（二）使用Anaconda prompt为神经网络语言搭建环境

1.下载好Anaconda，在其安装目录下打开Anaconda prompt

输入conda create -n  ***  python==3.9

***代表新建环境的名称，最好用本人名字和pytorch命名，以区分其他语言环境（tensorflow）或他人环境，例如我这里使用的是"qijitorch"作为环境名。

 

2.搭建完成后，输入conda env list 可查看目前存在的环境有哪些，默认的是base环境，这里我们还搭建了在base下层的新环境（刚刚以你的名字命名的）。若后续发现环境损坏可在base环境内输入conda remove -n 环境名 --all

 

注：Anaconda prompt是Anaconda的命令提示符，类似于WIN+R调用出的cmd，但其基础访问环境是base环境（Anaconda安装位置的顶层文件空间）。

 

（三）激活新建环境

在2中讲了，prompt默认进入环境base，也可以说默认激活环境base。但我们所要做的是在新环境中安装各种包（torch torchvision torchaudio）而不是在base环境中，因此我们激活新环境，进入新环境搞些小动作。

 

输入conda activate 环境名（刚刚以你的名字命名的）

 

注：其实新环境就是一个文件夹，新环境在base的下一层，而与这个新环境并列的其他新环境可以自己随意创建（在base中创建）。比如这里创建了pytorch的新环境，那我们需要tensorflow环境时，可以再创建一个tensorflow的环境。

 

（四）安装过程

1.介绍

pytorch官网(PyTorch)上生成的代码会安装torch、torchvision、torchaudio等包。 其中torch包括了pytorch、cuda(你所选的版本)、一些依赖包（numpy、scipy……）。torchvision和torchaudio均是pytorch的独立子库，分别用于计算机视觉任务和处理音频信号和音频数据，这两个包分别对深度学习模型的训练和声音信号处理非常重要，建议都下载。

 

pytorch官网(PyTorch)上生成的代码：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

（这里只是介绍，不需要输入这一行代码指令安装！！！）

2.更新驱动cuda版本

安装前要满足一个条件：电脑cuda版本 >= 环境cuda版本，这样环境才能顺利调用电脑GPU。因为我们要在环境中配置的cuda为12.4(即环境cuda为12.4)，因此需要电脑cuda版本>=12.4。我们在prompt中输入nvidia-smi查询电脑cuda版本，如下图所示：我的电脑driver cuda为12.4，满足上述条件。如过你的版本>=12.4便不需要更新驱动cuda，直接进入下一步进行预安装。

如果你通过输入指令nvidia-smi查询到电脑驱动版本<12.4，这时就需要下载安装最新的nvidia驱动，来更新电脑cuda version（GPU驱动）。具体安装过程参考手动下载更新驱动，也可通过nvidai GeForce Experience 更新，参考GeForce Experience更新GPU显卡驱动。更新好后，再在prompt中输入nvidia-smi查询最新GPU驱动版本，大于等于12.4便可进入下一步预安装。

 

3.预安装

方法1（直装不推荐）.根据官网上依照pip cuda=12.4 win系统给出的安装代码，直接在pytorch的环境内运行代码安装。但其源头网站是外网，下载速度特别慢（不挂梯子的话需要五个多小时），梯子下载网络不稳定，会经常报错，因此此方法不推荐使用。

 

方法2（whl 推荐）.运行pytorch给的代码后，会优先安装torch包（其中集成了你选择的cuda版本-12.4）。由于其下载torch包的速度太慢，我们可以在prompt显示的下载进程上找到其下载torch包的路径，复制包的下载路径至下载器的新建任务中（迅雷等），实现包的本地下载（速度会更快）。已经在环境内运行的下载程序给它关掉，或者“ctrl+c”终止。

 

4.安装

下载到本地后，通过输入指令代码：

pip install ***（***指torch包的存储路径）

将含有 cuda12.4的torch安装到environment中。

再次输入pytorch官网给出的代码，会直接跳过已经安装好的torch并下载剩下的torchvision和torchaudio包，这两个包很小，直接安装不需要太长时间。

 

（五）验证是否成功安装GPU版本

输入 python  #进入python编译环境

import torch  #导入pytorch包

print(torch.cuda.is_available()) #打印其gpu是否可用。

 

返回TURE即为安装成功。

 

（六）把搭建好的环境传进编译器（pychram）

pycharm编译器选择时一般选择existing的环境，所以环境搭建需要提前在conda中配置（看到这一步了，咱们的环境可以说是暂时无敌了，为什么是暂时无敌，因为后面跑大佬的代码可能会因为依赖包版本和你的对不上而报错，这时不需要慌，按照错误提示对指定包该升级升级、该降级降级）。亦可以选择创建新环境，但不如自己提前准备好的环境省心（都建好了已经，就别挑战自己了）。

 

1.Anaconda安装后自带base环境，可使用base环境中的python配置pycharm编译环境(base环境中的python.exe会存在于Anaconda文件夹顶层目录中)，But这个base环境咱们没有给他安装一点包，so不用管base环境，介绍base只是为了更好的让读者了解环境的层级关系。

2.（主要看这个）亦可以通过conda命令行或者Anaconda图形界面继续在envs下创建新的环境，命名好新环境，使用新环境下的python配置pycharm中的解释器。这里我们已经创建好了，最重要的是我们也配置好了环境，所以直接用刚刚以你的名字命名的那个环境（文件）下的python.exe来配置就好。

 

接下来就可以顺利（痛苦）的开始你的深度学习之旅啦！！！