pytorch和torchvision的GPU版本安装

pytorch的GPU版本使用问题
如果你没有conda，首先建议下载一个miniconda（用于虚拟环境管理，后面出错了直接把虚拟环境删除重新做）
miniconda下载地址

1 torch.cuda.is_available()返回False

1 需要安装cuda

明确一个概念，不是只能装你显卡支持的最大版本cuda（红线处）也可以装低版本的cuda，卸载cuda见附录

cuda 10.2 支持的算力

  -gencode=arch=compute_52,code=sm_52
  -gencode=arch=compute_60,code=sm_60
  -gencode=arch=compute_61,code=sm_61
  -gencode=arch=compute_70,code=sm_70
  -gencode=arch=compute_75,code=sm_75

查看显卡算力

查看不同cuda版本支持的算力

2 安装cuDNN

下载地址

下载对应cuda的版本即可

下载后把解压后的文件命名为cudnn，移动到cuda下载目录下，系统环境变量下添加以下两条

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\cudnn\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64

nvcc -V   # 查看cuda版本
set cuda # 可查看 CUDA 设置的环境变量

3 安装pytorch地址

注意：这里只需要看cuda版本，和操作系统，因为python版本更改比较容易，至于torch，上面有的就是支持的版本，没有的就是不支持的，所以torch可以根据需求选择
在你的下载目录下cmd，

然后激活你的虚拟环境（我的是cuda102），运行以下代码（使用conda install会出现报错）

pip install 文件名+whl

2024最新尝试，失败的话多试几次，就成功了

torchvison的安装

接着用pip安装剩下的(torch对应的torchvision版本)对应关系查找
需要提前装好numpy和pandas库

我目前只需要这两个，如果你需要其他包，同理搜索torch和你需要的包的版本对应关系

测试

终于成功了

2 附录

1 报错：OSError: [WinError 127] 找不到指定的程序。 Error loading “D:\environment\python\envs\pytorch_gpu\lib\site-packages\torch\lib\torch_python.dll” or one of its dependencies.

解决：升级python版本

2 卸载cuda

保留下面三个，其他都卸载

3 torch与torchaudio的对应关系

4 常用的conda指令

conda create -n myenv python=3.9  # 创建新的虚拟环境并指定python版本 ，myenv为你的虚拟环境名字

conda info --envs                 # 查看当前conda所有环境

conda activate 环境名              #激活你的环境

conda install 包名称               # 在你的环境中用conda或者pip安装包
pip install 包名称 
conda remove 包名称
pip uninstall 包名称

deactivate 环境名                  # 退出当前环境
conda remove -n 环境名 --all       # 删除环境

2024新机尝试 成功

离线安装大概率没啥问题，如果你torch安装上了，torchvison装不上，那就是版本没有对应好。主要就是注意版本对应问题（python和torch和torchvision以及cuda版本对应）去官网查一下，剩下大概率就是网络问题，报超时就多试几次，实在不行就看是哪个安装包超时去下载离线包安装安装方式和torch的一样，在虚拟环境里pip install 对应的第三方库.whl

---

2024.6.10更新
下载完pytorch后，安装tensorflow就简单多了。因为已经安装过cuda和cuDNN了，直接激活刚才安装pytorch的虚拟环境，然后

安装上面中的随便一个版本，比如下面

pip install tensorflow-gpu==2.5.0

有时候会报下面这种错误
ERROR: Could not find a version that satisfies the requirement keras-nightly~=2.5.0.dev (from tensorflow-gpu) (from versions: none)
ERROR: No matching distribution found for keras-nightly~=2.5.0.dev
不用管，重复执行刚从的命令，你会发现下次报错的位置就在后面的第三方库了（上一次报错的位置就不报错了），这样重复几次就ok了。实在不行就开全局代理，香港节点就能安装成功了~~
代理之后下载速度飞起，tensorflow和pytorch的gpu版本都安装上了

2024.10.9更新，cuda和cudnn最好装tensorflow要求的版本，不然训练会出错误。