【CUDA】【PyTorch】安装 PyTorch 与 CUDA 11.1 的详细步骤

在使用深度学习框架时，确保正确配置 CUDA 与 PyTorch 版本是至关重要的。如果你需要在系统上安装与 CUDA 11.1 兼容的 PyTorch，下面的指南将帮助你完成这个过程。

亲测可行。

---

一、前提条件

1. 系统要求：

   • 操作系统：Linux、Windows 或 macOS（macOS 可能需要额外的配置）
   • CUDA 驱动程序和工具包版本：CUDA 11.1

2. 安装 CUDA 11.1：

   • 下载和安装 CUDA 11.1 从 NVIDIA CUDA Toolkit 下载页面。
   • 按照页面上的说明进行安装，并确保 CUDA 路径已添加到环境变量中。

3. 安装 NVIDIA 驱动程序：

   • 确保安装了兼容 CUDA 11.1 的 NVIDIA 驱动程序。

二、检查 CUDA 安装

确认 CUDA 11.1 安装是否成功。运行以下命令来检查 CUDA 版本：

nvcc --version

你应该看到类似以下的输出，其中包含 CUDA 11.1 的版本信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Sun_Oct_25_20:10:16_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74

三、安装 PyTorch

要安装与 CUDA 11.1 兼容的 PyTorch 版本，你可以使用 PyTorch 的官方安装指南来确保兼容性。以下是详细步骤：

1. 选择安装方式：

   • 使用 Conda（推荐）：简单且自动处理依赖关系。
   • 使用 pip：如果你喜欢使用 pip，也可以通过 pip 安装 PyTorch。

2. 使用 Conda 安装 PyTorch

   如果你使用 Conda，你可以使用以下命令来安装 PyTorch 与 CUDA 11.1：

   conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch
   

   • pytorch：PyTorch 框架
   • torchvision：图像处理工具
   • torchaudio：音频处理工具
   • cudatoolkit=11.1：指定 CUDA 版本
   • -c pytorch：使用 PyTorch 官方 Conda 频道

3. 使用 pip 安装 PyTorch

   如果你使用 pip，可以通过以下命令安装 PyTorch 与 CUDA 11.1 兼容的版本：

   pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0+cu111 -f https://download.pytorch.org/whl/cu111/torch_stable.html
   

   这里的 torch==1.8.0+cu111 指定了与 CUDA 11.1 兼容的 PyTorch 版本。如果有新的 PyTorch 版本发布，你可以在 PyTorch 官方网站 上找到最新的安装命令。

四、验证安装

安装完成后，你可以使用以下 Python 脚本来验证 PyTorch 是否正确安装并且 CUDA 支持正常：

import torch

print(f"PyTorch Version: {torch.__version__}")
print(f"CUDA Version: {torch.version.cuda}")
print(f"Is CUDA Available: {torch.cuda.is_available()}")

if torch.cuda.is_available():
    print(f"Number of GPUs: {torch.cuda.device_count()}")
    for i in range(torch.cuda.device_count()):
        print(f"GPU {i}: {torch.cuda.get_device_name(i)}")
        print(f"  Memory Allocated: {torch.cuda.memory_allocated(i) / (1024 ** 2):.2f} MB")
        print(f"  Memory Cached: {torch.cuda.memory_reserved(i) / (1024 ** 2):.2f} MB")

运行上述脚本后，你应该看到 PyTorch 的版本信息、CUDA 版本，以及 GPU 是否可用的详细信息。

五、常见问题和解决方案

1. CUDA 版本不匹配：

   • 确保安装的 PyTorch 版本与系统上的 CUDA 版本一致。如果不一致，请检查 PyTorch 官网以获取正确的安装命令。

2. CUDA 驱动程序问题：

   • 确保安装了正确的 NVIDIA 驱动程序，驱动程序版本应支持 CUDA 11.1。

3. 环境变量设置：

   • 确保 CUDA 路径（通常是 /usr/local/cuda 或 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）已正确设置在环境变量中。

六、总结

通过上述步骤，你可以成功安装与 CUDA 11.1 兼容的 PyTorch 版本，并验证其在你的系统上的正确性。如果在安装过程中遇到问题，可以参考 PyTorch 官方文档或相关社区的帮助资源。