PyTorch+cuda环境安装和查看

PyTorch是一个功能强大的深度学习框架，提供了丰富的工具和函数来构建、训练和部署深度学习模型。在开始使用PyTorch之前，我们需要确认PyTorch环境是否正确设置。本文将介绍如何有效地查看PyTorch环境。

1. 确认Python环境

首先，我们需要确认Python环境是否已经正确安装。在命令行中输入以下命令来查看Python版本：

python --version

如果Python环境已经正确安装并且版本符合要求，那么我们可以继续进行下一步。

2. 安装cuda驱动

在NVIDIA官网下载驱动的安装包，我下载的版本是12.2，安装完毕后

打开NVIDIA控制面板，帮助–>系统信息–>组件，查看自己的cuda版本号。

通过nvcc -V或者nvidia-smi命令可以查看版本信息，如下：

一般来说开发包的版本比驱动的版本低就可以了。

3. 安装PyTorch

接下来安装PyTorch。PyTorch提供了多个安装选项，包括使用pip或conda进行安装。在命令行中输入以下命令来安装最新版本的PyTorch：

pip install torch

或者，如果你使用conda作为包管理器，可以使用以下命令来安装PyTorch：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

或者下载安whl装包进行安装，官方下载地址：

https://download.pytorch.org/whl/torch_stable.html

我下载的版本是torch 2.2.0，对应cuda版本12.1，Python版本3.10，安装包是

torch-2.2.0+cu121-cp310-cp310-win_amd64.whl

torchaudio 2.2.0，对应cuda版本12.1，Python版本3.10，安装包是torchaudio-2.2.0+cu121-cp310-cp310-win_amd64.whl

torchvision 0.17.0，对应cuda版本12.1，Python版本3.10，安装包是

torchvision-0.17.0+cu121-cp310-cp310-win_amd64.whl

下载完毕后放在c:\whl目录，然后手动安装，安装命令分别是：

pip install c:\whl\torch-2.2.0+cu121-cp310-cp310-win_amd64.whl

pip install c:\whl\torchvision-0.17.0+cu121-cp310-cp310-win_amd64.whl

pip install c:\whl\torchaudio-2.2.0+cu121-cp310-cp310-win_amd64.whl

安装完毕后用pip list查看有那些安装包

安装完成后，我们可以也通过导入PyTorch库来验证安装是否成功：

python
import torch
print(torch.__version__)

这将打印PyTorch的版本号，确认PyTorch已经成功安装。

3. 检查CUDA支持
如果你的机器上安装了NVIDIA GPU并且你希望在GPU上运行PyTorch，你还需要检查CUDA是否正确安装。运行以下代码以查看CUDA的支持情况：

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

如果CUDA正确安装并可用，torch.cuda.is_available()将返回True，并且torch.cuda.get_device_name()将返回所安装的GPU的名称。

4. 查看PyTorch的默认数据类型
PyTorch提供了不同的数据类型，包括浮点数、整数、布尔值等。我们可以使用以下代码来查看PyTorch的默认数据类型：

import torch
print(torch.get_default_dtype())

这将打印出PyTorch的默认数据类型，通常为torch.float32。

5. 查看PyTorch的配置信息
PyTorch提供了一个torch.__config__模块，包含了PyTorch的配置信息。我们可以使用以下代码来查看PyTorch的配置信息：

import torch
print(torch.__config__.show())

这将打印出PyTorch的配置信息，包括编译选项、CUDA支持等。

6. 查看PyTorch的版本信息
最后，我们可以使用以下代码来查看PyTorch的版本信息：

import torch

print(torch.__version__)
print(torch.version.cuda if torch.cuda.is_available() else "No GPU support")
print(torch.backends.cudnn.version() if torch.cuda.is_available() else "No GPU support")

这将打印出PyTorch的版本号以及与CUDA和cuDNN相关的信息。

总结
本文介绍了如何查看PyTorch环境。我们首先确认了Python环境是否已经正确安装，然后通过安装PyTorch和检查CUDA支持来验证PyTorch的安装。接着，我们查看了PyTorch的默认数据类型、配置信息和版本信息。通过这些步骤，我们可以确保PyTorch环境设置正确，可以顺利进行深度学习任务。