【超详细教程】2024最新Pytorch安装教程（同时讲解安装CPU和GPU版本）

目录

一、前言

二、pytorch简介

三、安装准备工作

3.1、下载Anaconda

四、判断是否有NVIDIA显卡

五、安装pytorch-CPU版本

六、安装pytorch-GPU版本

6.1、查看CUDA显卡驱动版本

6.2、安装CUDA

6.3、安装CuDNN（加速器）

6.4、安装pytorch-GPU

七、pytorch-GPU安装验证

八、总结

---

一、前言

在深度学习和人工智能领域，PyTorch已成为最受欢迎的开源框架之一。随着技术的不断进步，PyTorch也在持续更新和优化。本文将为您带来2024年最新版本的PyTorch安装教程，并详细解析如何安装支持CPU和GPU的版本。通过本文，您将轻松掌握PyTorch的安装过程，为您在深度学习的探索之旅中提供强大的工具支持。

二、pytorch简介

PyTorch是一个开源的深度学习框架，由Facebook人工智能研究院（FAIR）开发。它提供了一套动态张量计算库，具有易于使用、高效性能和强大的扩展性等特点。PyTorch支持在GPU上运行，能够大大加速深度学习模型的训练和推理过程。

三、安装准备工作

在开始安装PyTorch之前，我们需要进行一些准备工作。首先，确保您的计算机上已安装了合适版本的Python。PyTorch需要Python 3.6或更高版本。同时，您还需要安装pip包管理器，用于安装PyTorch和其他依赖项。所以我们可以通过安装Anaconda来创建一个适合深度学习的Python环境。以下是详细的安装步骤。

3.1、下载Anaconda

首先，访问Anaconda官网（Free Download | Anaconda），选择适合你操作系统的版本，并下载安装包，详细的安装步骤可参考我之前写过的博客：http://t.csdnimg.cn/1WEsj

四、判断是否有NVIDIA显卡

在安装PyTorch之前，我们需要判断您的计算机是否安装了NVIDIA显卡，因为PyTorch的GPU版本需要NVIDIA显卡来加速计算。您可以通过以下步骤来判断：

① 打开设备管理器：在Windows上，按下Win键和X键，然后选择“设备管理器”。在macOS上，打开“系统偏好设置”，选择“硬件”选项卡，然后点击“设备管理器”。

② 查看显示适配器：在设备管理器中，展开“显示适配器”或“图形处理器”部分，查看是否有NVIDIA显卡的列表。如果有NVIDIA显卡，那么您的计算机适合安装PyTorch的GPU版本。

如果没有NVIDIA显卡，您可以只安装PyTorch的CPU版本。如果您有NVIDIA显卡，您还需要进行其他步骤来安装PyTorch的GPU版本。

（Windows系统——无NVIDIA显卡示例）

（Windows系统——有NVIDIA显卡示例）

五、安装pytorch-CPU版本

在安装PyTorch之前，为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。以下是创建虚拟环境的步骤。

① 打开终端：在Windows上，打开Anaconda Prompt；在macOS和Linux上，打开终端；

② 创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“myenv”。

conda create -n <env_name> python=<version>

例如，要创建一个名为myenv的虚拟环境，其中Python版本为3.8，可以运行：

conda create -n myenv python=3.8

③ 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用activate命令；在macOS和Linux上，使用source命令。

conda activate <env_name>

例如，要激活名为myenv的虚拟环境，可以运行：

conda activate myenv

激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。

④ 安装PyTorch（CPU）：在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装CPU版本。例如：（网络不佳和必要的时候可以添加国内源）

pip install torch torchvision torchaudio

这样就是安装成功啦~🥰（CPU版本）

六、安装pytorch-GPU版本

6.1、查看CUDA显卡驱动版本

在cmd命令行终端输入nvidia-smi，可以查看到版本为12.3。

6.2、安装CUDA

① 为什么安装pytorch-GPU前一定要安装CUDA和CuDNN呢？

在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN的原因如下：

1. CUDA是NVIDIA推出的并行计算平台和API模型，它使得显卡可以用于图像渲染和计算以外的目的，例如通用并行计算。PyTorch通过CUDA可以充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。
2. cuDNN是CUDA的扩展库，专门针对深度神经网络中的基础操作提供高度优化的实现方式，例如卷积、池化、规范化以及激活层的前向和后向过程。使用cuDNN可以大大提高深度学习模型在GPU上的运行效率。

因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。如果不安装CUDA和cuDNN，PyTorch-GPU将无法正常工作。

从官网下载对应的CUDA版本，由于我的显卡版本为12.3，我只需要安装小于或者等于12.2都是可以的，因此这里我安装12.0。

官网地址：CUDA Toolkit Archive | NVIDIA Developer

下载好后，双击安装包进行安装，可以安装在自定义的目录文件夹下

选择“精简”模式，接下来一直点“下一步”就行啦~😉

（开始安装）

查看是否安装成功，在命令行输入以下指令进行检查，出现以下类似的输出就证明安装成功。

nvcc  -V

6.3、安装CuDNN（加速器）

通过官网进行安装CuDNN，网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

注意：需要注册登录才能进行安装喔😁

安装并解压完后，将这几个文件夹复制到CUDA安装路径下，就已经安装完成啦😎

6.4、安装pytorch-GPU

 在安装PyTorch之前，为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。以下是创建虚拟环境的步骤。

① 打开终端：在Windows上，打开Anaconda Prompt；在macOS和Linux上，打开终端；

② 创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“myenv”。

conda create -n <env_name> python=<version>

例如，要创建一个名为myenv的虚拟环境，其中Python版本为3.8，可以运行：

conda create -n myenv python=3.8

③ 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用activate命令；在macOS和Linux上，使用source命令。

conda activate <env_name>

例如，要激活名为myenv的虚拟环境，可以运行：

conda activate myenv

激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。

④ 安装PyTorch（GPU）：在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装GPU版本。例如：（网络不佳和必要的时候可以添加国内源）

官网链接：PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

这样就是安装成功啦~🥰（GPU版本）

七、pytorch-GPU安装验证

注意：torch.cuda.is_available() 为True则GPU可用，False表示不可用

import torch

print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为True，则安装成功

这样就是验证安装成功啦~🥰（GPU版本）

八、总结

🎉 恭喜您！您已经成功完成了PyTorch的安装教程。通过阅读本文，您了解了安装PyTorch的详细步骤，包括准备工作、判断显卡、创建虚拟环境、安装pytorch以及验证安装是否成功。 🚀

📚 这些步骤将帮助您建立起一个适合深度学习的Python环境，让您能够顺利地使用PyTorch进行各种机器学习和深度学习任务。 💻

🌟 现在，您可以开始探索PyTorch的世界，利用它强大的计算能力和灵活性来开发出更加智能的应用程序。 🚀