PyTorch深度学习（13）PyTorch Torch Vision python 版本对应

已于 2024-04-19 13:55:51 修改
阅读量3.7w 收藏 327
点赞数 39
分类专栏： 深度学习 Pytorch python 文章标签： pytorch 深度学习 python
于 2021-10-30 10:43:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jiangyangll/article/details/121047633
版权
python 同时被 3 个专栏收录
60 篇文章 4 订阅
订阅专栏
深度学习
43 篇文章 17 订阅
订阅专栏
Pytorch
34 篇文章 8 订阅
订阅专栏

pytorch，torchvision，python 版本对应

pytorch，torchvision，python 三者的对应关系来源于 pytorch 官方 github，链接：https://github.com/pytorch/vision#installation

Anaconda如何配置各版本Pytorch

创建并进入虚拟环境

创建一个虚拟环境，其中 pt 是自定义虚拟环境名称，另外根据踩坑经验 python 3.6.5 版本可以适配所有版本的 pytorch，建议创建环境时 python 解释器版本选择 3.6.5 版本。

conda create -n pt python=3.6.5

随后点击 y 同意安装，等待一会进入虚拟环境。

conda activate pt

. Pytorch 0.4.1

conda install pytorch==0.4.1 torchvision==0.2.1 cuda90  # CUDA 9.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda92  # CUDA 9.2
conda install pytorch==0.4.1 torchvision==0.2.1 cuda80  # CUDA 8.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda75  # CUDA 7.5
conda install pytorch==0.4.1 torchvision==0.2.1 cpuonly  # CPU 版本

. Pytorch 1.0.0

conda install pytorch==1.0.0 torchvision==0.2.1 cuda100  # CUDA 10.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda90  # CUDA 9.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda80  # CUDA 8.0
conda install pytorch-cpu==1.0.0 torchvision-cpu==0.2.1 cpuonly  # CPU 版本

. Pytorch 1.0.1

conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0  # CUDA 9.0
conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch-cpu==1.0.1 torchvision-cpu==0.2.2 cpuonly  # CPU 版本

. Pytorch 1.1.0

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0  # CUDA 9.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly  # CPU O版本

. Pytorch 1.2.0

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly  # CPU 版本

. Pytorch 1.4.0

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly  # CPU 版本

. Pytorch 1.5.0

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.5.0 torchvision==0.6.0 cpuonly  # CPU 版本

. Pytorch 1.5.1

conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly  # CPU 版本

. Pytorch 1.6.0

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly  # CPU 版本

. Pytorch 1.7.0

conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=11.0  # CUDA 11.0
conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly  # CPU 版本

. Pytorch 1.7.1

conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=11.0  # CUDA 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 cpuonly  # CPU 版本

. Pytorch 1.8.0

conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
conda install pytorch==1.8.0 torchvision==0.9.0 cpuonly  # CPU 版本

. Pytorch 1.9.0

conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.1 -c pytorch -c conda-forge
conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly  # CPU 版本

. Pytorch 1.10.0    兼容python范围3.6~3.9

conda install pytorch==1.10.0 torchvision==0.11.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.10.0 torchvision==0.11.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
conda install pytorch==1.10.0 torchvision==0.11.0 cpuonly  # CPU 版本

 python10 对应pytorch11 12

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

. Pytorch 1.11.0    兼容python范围3.7~3.10

conda install pytorch==1.11.0 torchvision==0.12.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.11.0 torchvision==0.12.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch -c conda-forge
conda install pytorch==1.11.0 torchvision==0.12.0 cpuonly  # CPU 版本

. Pytorch 1.12.0    兼容python范围3.7~3.10

conda install pytorch==1.12.0 torchvision==0.13.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.12.0 torchvision==0.13.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch -c conda-forge
conda install pytorch==1.12.0 torchvision==0.13.0 cpuonly  # CPU 版本

. Pytorch 1.13.0    兼容python范围3.7.2~3.10

conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 cudatoolkit=11.3 -c pytorch -c conda-forge
conda install pytorch==1.13.0 torchvision==0.14.0 cpuonly  # CPU 版本
# CUDA 11.6
conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.6 -c pytorch -c nvidia
# CUDA 11.7
conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.7 -c pytorch -c nvidia
# CPU版本
conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 cpuonly -c pytorch

. Pytorch 1.13.1    兼容python范围3.7.2~3.10

# CUDA 11.6
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
# CUDA 11.7
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
# CPU Only
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cpuonly -c pytorch

Pytorch2.x较快，更符合Python语言习惯，仍然具有动态性

弃用CUDA 11.6和Python3.7支持

. Pytorch 2.0.0  兼容python范围3.8~3.11

# CUDA 11.7
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
# CUDA 11.8
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cpuonly -c pytorch

. Pytorch 2.1.0

# CUDA 11.8
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 cpuonly -c pytorch

. Pytorch 2.2.0

# CUDA 11.8
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 cpuonly -c pytorch

. Pytorch 2.2.1

# CUDA 11.8
conda install pytorch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 pytorch-cuda=12.1 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 cpuonly -c pytorch

 

 测试是否安装成功

  • CPU 版本测试：继续运行 python 进入交互式环境，分别运行 import torch，import torchvision 不报错则安装成功。

  • GPU 版本测试：继续运行 python 进入交互式环境，分别运行 import torch，import torchvision 不报错， 再运行 print(torch.cuda.is_available()) 输出 Ture 则表示安装成功。

查看conda中环境

conda env list    conda环境列表
conda remove --name env_name --all  删除环境
conda remove --name env_name package_name  删除环境中某个包

JYliangliang
关注
  • 39
    点赞
  • 踩
  • 327
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
Torch 、torchvision 、Python 版本对应关系以及安装 GPU 或 CPU 版本的 pytorch
qq_40630902的博客
06-30 11万+
torch- torchvision- python版本对应关系
torch-metrics:pytorch中模型评估的指标
05-04
如，Pytorch没有用于模型评估指标的内置库torch.metrics 。 这类似于的指标库。用法pip install --upgrade torch-metrics from torch_metrics import Accuracy## define metric ##metric = Accuracy ( from_logits ...
pytorch1.7 安装
01-19 4532
pip install torch==1.x.x -i https://pypi.douban.com/simple pip install torchvision==0.x.x -i https://pypi.douban.com/simple 安装kornia pip install kornia==0.x.x -i https://pypi.douban.com/simple pytorch=1.3, kornia=0.3.1 pytorch=1.7, kornia=0.5.1
深入浅出学习Pytorch—Pytorch简介与2024年最新安装（GPU）
最新发布
xiaoxu的博客
05-03 2431
2017年1月，FAlR（FacebookAl Research）发布PyTorch。PyTorch是在Torch基础上用python语言重新打造的一款深度学习框架Torch是采用Lua语言为接口的机器学习框架，但因Lua语言较为小众，导致Torch知名度不高。
PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系
热门推荐
有问题请直接说问题就好
02-10 15万+
PyTorch中torch、torchvision、torchaudio版 torch torchaudio python main / nightly main / nightly >=3.7, <=3.9 1.10.0 0.10.0 >=3.6, <=3.9 1.9.1 0.9.1 >=3.6, <=3.9 1.9.0 0.9.0 >=3.6, <=3.9 1.8.2 0.8.2 >=3.6, <=3.9 1
pytorch，torchvision与python版本对应关系及安装命令
WOSHIRENXIN的博客
10-19 6万+
pytorch，torchvision与python版本对应关系及安装命令
pytorch-torch-python版本对应，历史版本pytorch安装代码
qq_45719856的博客
02-22 420
pytorch-torch-python对应关系查询网址 查找历史版本pytorch安装代码
版本匹配指南：PyTorch版本、Python 版本和TorchAudio版本的对应关系
创作高质量博文，分享知识，共同进步！
04-05 2882
📚【版本匹配指南】一文，为你揭秘PyTorch、Python与TorchAudio版本的对应关系，让你轻松掌握深度学习的基石！🔍 我们深知版本匹配的重要性，因此特地整理了详细的对应关系表，让你一目了然。📋更有实用指南，教你如何选择合适的TorchAudio版本，避免踩坑。🔧 在实践中，版本匹配问题屡见不鲜，但别担心，我们为你总结了最佳实践与建议，助你轻松应对。💡 最后，我们期待与你共同进步，在深度学习的道路上越走越远！🤝 #PyTorch版本匹配 #Python版本匹配 #TorchAu
pytorch，torchvision与python版本对应关系
weixin_45472170的博客
12-27 473
来源：https://github.com/pytorch/vision#installation。
踏入深度学习的殿堂！Python，PyTorch、torchvision与CUDA版本精准匹配，开启你的深度学习之旅！
weixin_52677672的博客
03-24 1510
目录一、理清Python与PyTorch,torchvison版本关系二、选择CUDA版本并安装PyTorch1.检查cuda版本2.创建新的conda虚拟环境3.查找PyTorch及对应cuda版本，进行安装三、验证安装1.pytorch安装成功示例2.检查cuda运行情况安装前要明确以下几点：以上，在选择 Python、PyTorch 和 torchvision 的版本时，最好查看官方文档或发布说明，以确保它们之间的兼容性，并选择适合项目需求的版本组合。下面给出Python、PyTorch 和 torc
Swin-Unet pytorch代码
05-01
1. Swin Transformer：Swin Transformer是ViT（Vision Transformer）的一种改进版本，由Facebook AI Research提出。它引入了窗口内的自注意力机制，解决了Transformer在处理大型图像时的计算效率问题，同时保持了对...
convolution-vision-transformers:CvT的PyTorch实现
04-01
CvT的Pytorch实现 用法： img = torch . ones ([ 1 , 3 , 224 , 224 ]) model = CvT ( 224 , 3 , 1000 ) parameters = filter ( lambda p : p . requires_grad , model . parameters ()) parameters = sum ([ np . ...
LocalViT-pytorch:LocalViT
04-16
LocalViT：将本地化带入视觉变形金刚 此实现了实现了论文，这不是官方实现，有关官方实现，请访问 用法 ： import torch from localvit import ... title={LocalViT: Bringing Locality to Vision Transformers}
tensorflow-model-zoo.torch：用于Torch7和PyTorch的InceptionV3，InceptionV4，Inception-Resnet预训练模型
02-06
适用于Torch7和PyTorch的Tensorflow模型动物园（已淘汰） ：请使用新的repo ，其中包含带有更好API的inceptionv4和inceptionresnetv2。 这是和制作的张量流预训练模型的移植。 特别感谢MoustaphaCissé。 所有型号...
Python Django Pycharm 创建并运行django项目
JYliangliang的博客
01-22 1万+
一、配置并准备你的环境 1、首先，在设置里面选择好环境,这里我们使用python3.7（Ps：打开pycharm后—>File—>settings—>键入 Project Interpreter），点击如下图所示的齿轮后出现Add。 2、添加设置你自己安装的 python 后点击 OK 3、我们会看到现在都有什么东西，然后点击加号，下载django包。 ...
PyTorch深度学习（25）网络结构ConvNeXt
JYliangliang的博客
04-02 5996
ConvNeXt 论文地址：https://arxiv.org/abs/2201.03545 一、改进点 随着技术的不断发展，各种新的架构及优化策略促使Transformer拥有更好的效果 相同策略训练卷积神经网络 以ResNet-50为基准 1、Macro design （1）Swin-T的比例是1：1：3：1 Swin-L的比例是1：1：9：1 堆叠次数由(3, 4, 6, 3)调整为(3, 3, 9, 3) （2）最初的下采样模块为stem，例如ResNet中stem是7×7卷积核3×3.
数据挖掘 (1) 基础篇
JYliangliang的博客
03-19 4953
主要使用库 numpy：提供数组支持，以及相应高效的处理函数 scipy：提供矩阵支持，以及矩阵相关的数值计算模块 matplotlib：强大的数据可视化工具，作图库 pandas：强大、灵活的数据分析和搜索工具 StateModels：统计建模和计量经济学，包括描述统计、统计模型估计和推断 Scikit-Learn：支持回归、分类、聚类等强大的机器学习库 Keras：深度学习库，用于建立神经网络以及深度学习模型 Gensim：用来做文本主题模型的库，文本挖掘可能用到 图片处理用Pillow 视频处理O.
Python Pycharm Terminal 控制台命名 及 pip 安装包
JYliangliang的博客
01-30 4086
一、terminal 命令行 指定项目文件夹 tree：文件夹PATH列表 dir：项目的目录文件夹 python manage.py start.app Myapp：生成Myapp文件夹 python manage.py runserver：启动服务器，在浏览器中输入http://127.0.0.1:8000/ 可以在浏览器中查看网页 ctrl+c退出 python mana...
pytorch和python对应版本
03-16
PyTorch和Python的对应版本如下： PyTorch 1.9.对应Python 3.6、3.7、3.8、3.9 PyTorch 1.8.对应Python 3.6、3.7、3.8、3.9 PyTorch 1.7.对应Python 3.6、3.7、3.8 PyTorch 1.6.对应Python 3.5、3.6、3.7、3.8 PyTorch 1.5.对应Python 3.5、3.6、3.7 PyTorch 1.4.对应Python 3.5、3.6、3.7 PyTorch 1.3.对应Python 3.5、3.6、3.7 PyTorch 1.2.对应Python 3.5、3.6、3.7 PyTorch 1.1.对应Python 3.5、3.6、3.7 PyTorch 1..对应Python 3.5、3.6、3.7 需要注意的是，不同版本的PyTorch可能对应不同版本的CUDA和cuDNN，具体可以查看PyTorch官方文档。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值