PyTorch安装教程

PyTorch安装教程

一、本地安装

1.CUDA的下载与安装

​ CUDA是Nvidia开发的一种并行计算平台和编程模型，用于在其自己的GPU（图形处理单元）上进行常规计算。 CUDA使开发人员能够利用GPU的能力来实现计算的可并行化部分，从而加快计算密集型应用程序的速度。

1）查看GPU版本

方法1：

打开Terminal（CMD），输入指令

nvidia-smi

即可得到如下内容，此时便可显示出当前驱动所支持的最高版本CUDA；

方法2：

打开nvidia控制面板，点击菜单栏帮助，选择系统信息，即可查看驱动版本和支持的CUDA版本；

驱动版本与Cuda对应关系：

2）版本选择

点击CUDA Toolkit 12.4 Update 1 Downloads | NVIDIA Developer，选择对应版本（高版本Cuda兼容低版本）

点击https://developer.nvidia.com/cuda-toolkit-archive可下载更多历史版本

（基于下载速度可能较慢，此处提供Cuda12.4第三方网盘链接）

3）安装

下载完成后，打开安装程序，一路默认安装即可，

选择自定义，

此处只选择CUDA即可，

默认情况下在环境变量（Win11系统打开设置，选择系统–>系统信息，再点击高级系统设置即可找到环境变量）中会自动生成如下路径，没有的话需自己补充，

在Path中也会生成如下路径，

4）验证安装

方法1：

在Terminal（CMD）中输入，

nvcc -V

显示如下内容即代表安装成功，

方法2：

打开Cuda根目录中的extras，点击其下的demo——suite，

按住Lshift，点击鼠标右键，在此处打开CMD，分别将bandwidthTest和deviceQuery拖入其中，显示如下内容即代表安装成功，

2.cudnn的下载与安装

​ cudnn（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。

1）找到对应版本并下载

点击[cuDNN 9.1.1 Downloads | NVIDIA Developer](https://developer.nvidia.com/cuda-downloads)进入下载界面，下载如下版本（CUDA12.X下载该版本即可），

（Cudnn9.1.1第三方网盘下载链接）

点击cuDNN Archive | NVIDIA Developer可选择更多历史版本，其后便有对应关系，

2）安装

因为下载的文件为exe格式文件，故而直接安装即可。如果下载的是历史版本的zip文件，则需找到CUDA的安装文件夹，将zip文件夹内的相应文件拷贝到 CUDA根目录进行替换。

打开安装程序，一路进行默认默认安装即可，

3）验证安装（此步需全部安装完毕后进行）

cudnn的验证，原理是在pytorch中运行cudnn的示例程序，因此需确保已成功安装pytorch。

在配置完毕的环境中运行如下代码，

import torch
print(torch.backends.cudnn.version())

from torch.backends import cudnn  
print(cudnn.is_available())

a=torch.tensor(1.)
print(cudnn.is_acceptable(a.cuda()))

得到如下输出结果则安装成功，

3.PyTorch及相关组件的下载与安装

• Torch 是 PyTorch 的核心库，它提供了张量（tensor）操作和计算图构建的功能。张量是 PyTorch 中用于存储和操作数据的主要数据结构。Torch 提供了自动求导（Autograd）功能，使得用户可以轻松地构建和训练神经网络模型；
• Torchvision 是 PyTorch 的一个独立子库，主要用于计算机视觉任务，包括图像处理、数据加载、数据增强、预训练模型等。Torchvision 提供了各种经典的计算机视觉数据集的加载器，如CIFAR-10、ImageNet，以及用于数据预处理和数据增强的工具，可以帮助用户更轻松地进行图像分类、目标检测、图像分割等任务；
• Torchaudio 也是 PyTorch 的一个独立子库，用于处理音频信号和音频数据。它提供了加载、处理和转换音频数据的工具，以及用于构建声音处理模型的函数。

1）下载

鉴于国内网络下，通过官方途径及更换镜像源方式下载速度均不太理想，因而此处不再对该两种方法进行赘述，只给出速度较为理想的下载方式。

点击download.pytorch.org/whl/torch_stable.html进入PyTorch镜像站，下载对应版本，

基于python3.11与此前安装的Cuda12.4，找到如下版本，

TIP：命名意义：

• 第一部分代表Cuda版本，上例即为Cuda12.1，因为Cuda高版本可兼容低版本，故Cuda版本>=12.1的均可安装该版本。此处为cpu则表示为基于cpu的版本；

• 第二部分代表库版本，torch、torchaudio、torchvision的对应关系如下，每个小版本也需对应（如上面选择的版本）；

  
  

• 第三部分代表对应的python版本；

• 第四部分代表基于的操作系统；

相关文件第三方下载链接

2）安装

下载完文件后在文件所在文件夹按住Lshift，同时点击鼠标右键在此处打开Terminal（CMD），分别输入如下指令，

pip install torch-2.2.2+cu121-cp311-cp311-win_amd64.whl
pip install torchaudio-2.2.2+cu121-cp311-cp311-win_amd64.whl
torchvision-0.17.2+cu121-cp311-cp311-win_amd64.whl

分别显示如下结果，

在Terminal（CMD）中输入

pip list

可找到对应包，

3）验证安装

运行如下代码，

import torch
print(torch.__version__)
print(torch.cuda.is_available())

输出如下内容即代表安装成功，

TIP：
首次安装时需下载以下两文件，并需首先安装。由此可有效降低安装时间，


2025：基于123云盘电脑端每天免费额度仅1GB，可通过123云盘脚本配合油猴（Tampermonkey）进行使用。