Anaconda环境下安装Pytorch操作步骤

 一、默认安装Pytorch（CPU版）

1、电脑没有NVIDIA GPU时，默认安装CPU版Pytorch，进入Anaconda Prompt，

【可选步骤-测试】检查本机是否安装Pytorch，如进入python后，输入import torch，反馈ModuleNotFoundError: No module named 'torch'，说明未安装Pytorch。

2、pip安装Pytorch

如不需要多个虚拟环境时，可以在base（即安装Anaconda默认根环境）下进行安装，输入下段指令后 按回车键。

因网络原因，使用国内镜像源（如清华源）加速下载：
pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

等待下载~   下载完毕后出现Successfully installed sympy-1.14.0 torch-2.7.0 torchvision-0.22.0 typing-extensions-4.13.2，表示已成功下载Pytorch。

二、安装Pytorch（GPU版）

1、确认显卡和驱动支持 CUDA

(1) 检查 NVIDIA 显卡型号

• Windows：打开 任务管理器 → 性能 → GPU，查看显卡型号（如 RTX 3060、GTX 1660）。

（2）检查 NVIDIA 驱动是否安装

Windows：快捷键win+r  打开 【运行】界面，输入cmd进入，

输入指令：

nvidia-smi

• 如果报错 'nvidia-smi' 不是内部或外部命令，说明驱动未安装，需先安装 NVIDIA 驱动。

• 正常情况会显示 GPU 信息，如：

• +-----------------------------------------------------------------------------+
  | NVIDIA-SMI 535.86.05    Driver Version: 535.86.05    CUDA Version: 12.2     |
  |-------------------------------+----------------------+----------------------+
  | GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
  |===============================+======================+======================|
  |   0  NVIDIA RTX 3060   WDDM   | 00000000:01:00.0 On |                  N/A |
  +-------------------------------+----------------------+----------------------+

• CUDA Version 显示的是 驱动支持的最高 CUDA 版本（但实际 CUDA Toolkit 可以安装更低版本）。

2、安装 CUDA Toolkit

PyTorch 需要 CUDA Toolkit 来调用 GPU 计算。

(1) 选择与 PyTorch 匹配的 CUDA 版本

• 访问 PyTorch 官网，查看支持的 CUDA 版本（如 CUDA 11.8 或 CUDA 12.1）。

• CUDA 版本 ≤ 驱动支持的最高版本（nvidia-smi 显示的版本）。

(2) 下载 CUDA Toolkit

• 前往 NVIDIA CUDA 下载页，选择匹配版本（如 CUDA 11.8）。

• 按系统（Windows/Linux）安装：

  • Windows：运行 .exe 安装程序，选择 自定义安装，勾选：

    • CUDA（必须）

    • cuDNN（可选，但推荐安装以加速深度学习）。

(3) 验证 CUDA 安装

win+r进入运行界面，输入cmd进入：

nvcc --version

• 如果显示 nvcc: command not found，说明 CUDA 未正确安装或环境变量未配置。

3、安装 PyTorch GPU 版本

(1) 通过 PyTorch 官网命令安装

访问 PyTorch 官网，选择：

• PyTorch 版本（如 2.0.1）。

• CUDA 版本（如 11.8）。

• 安装方式（pip 或 conda）。

示例（CUDA 11.8 + pip）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

示例（CUDA 12.1 + conda）：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

(2) 验证 PyTorch 是否识别 GPU

运行 Python 并输入：

import torch
print(torch.__version__)           # PyTorch 版本
print(torch.cuda.is_available())   # 返回 True 表示 GPU 可用
print(torch.cuda.get_device_name(0))  # 显示 GPU 型号（如 "NVIDIA RTX 3060"）

• 如果 torch.cuda.is_available() 返回 False，可能是：

  • PyTorch 版本与 CUDA 不匹配（重新安装）。

  • CUDA 未正确安装（检查 nvcc --version）。

4、常见问题解决

(1) torch.cuda.is_available() 返回 False

• 可能原因：

  • PyTorch 安装的是 CPU 版本（卸载重装 GPU 版）。

  • CUDA 版本不匹配（检查 nvcc --version 和 PyTorch 要求的 CUDA 版本）。

  • 驱动未安装（运行 nvidia-smi 确认）。

• 解决方案：

• # 卸载旧版本
  pip uninstall torch torchvision torchaudio
  # 重新安装 GPU 版本（确保 CUDA 版本匹配）
  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

 (2) 安装时网络错误

• 使用国内镜像加速：

• pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

• 但镜像可能更新延迟，建议优先用 PyTorch 官方命令。

(3) 显存不足（OOM）

• 减少 batch_size 或清理缓存：

  torch.cuda.empty_cache()  # 释放未使用的 GPU 内存