怎么安装Pytorch

Pytorch的GPU版本安装

为什么要安装GPU版本的Pytorch?

因为如果你的电脑有GPU，那么可以利用GPU训练的更快，所以推荐下GPU版本而不是CPU。

网址：Start Locally | PyTorch

首先，打开Pytorch的网址如下，根据自身情况选择合适的CUDA版本。

怎么查看当前电脑的CUDA版本呢？

nvcc --version

这里我的cuda版本是11.8。

如果CUDA版本太低，或者不合适，需要重新下载，电脑上可以下载多个CUDA版本，但是只能使用其中一个，哪一个版本的路径被写到了高级变量设置，就说明是哪个版本。

CUDA官网下载链接：CUDA Toolkit Archive | NVIDIA Developer，这里我下载了两个版本分别11.6和11.8

需要在高级系统设置Path中配置，这里我配置的是11.8：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

配置的是什么版本，使用的就是什么版本。

可以复制后面的链接打开网页，如下图的红框。由于我是CUDA11.8，所以在下面Compute Platform选择的是CUDA11.8

打开后，选择这个三个下载

这三个为Pytorch必备的三个库，我们必须全部下载，并且找到合适的版本。那么怎么看这个库应该用什么版本呢？

打开如下网页：

以torch为例，介绍如何下载，其他的torchvision、torchaudio也是一样的方法。

点击打开

找到以后，点击下载，我们会得到一个whl文件。torchvision、torchaudio也是这样，所以一共得到3个whl文件，我们需要把whl文件下载到我们需要的环境中。

首先，在三个whl文件的地址中，输入cmd

这样，黑窗口的路径与whl文件的路径在一起，

activate 你的环境名

进入虚拟环境，下载这三个whl文件，由于黑窗口的路径与whl文件的路径在一起，所以我们不用指定路径

pip install xxxx.whl

最后可以测试下是否下载成功

import torch
print(torch.__version__)  # 检查版本，查看下载的版本是否对应
print(torch.cuda.is_available())  # 应返回 True
print(torch.cuda.device_count())  # 应返回 GPU 数，如果是0要么是电脑没有显卡，要么是下载的cpu版本

也可以用cmd看

activate 你的环境名 # 激活当前环境

pip list # 展示当前环境下载的库

格式为 库名 + 版本号。其中cu118代表的是GPU版本的Pytorch，支持的是CUDA11.8，如果你下载的没有cuxxx，说明你下载的是CPU而不是GPU版本。