在Pycharm上部署pytorch全流程

最新推荐文章于 2025-04-15 21:42:18 发布

朴亦啊

最新推荐文章于 2025-04-15 21:42:18 发布

阅读量6.2k

点赞数 27

文章标签： pycharm pytorch ide

本文链接：https://blog.csdn.net/m0_53047391/article/details/144792378

版权

安装CUDA

首先打开cmd终端，输入下面命令查看电脑最大支持的CUDA版本

nvidia-smi

可以看出我的电脑最大支持的CUDA版本为11.6。

根据上面的图片选择合适的CUDA和python版本

从下面的官网进行下载对应版本的CUDA，以及pytorch版本

官网地址：CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive这里我们选择11.6.0即可，点击黑线上方的链接，按照如下选择然后下载安装

下载好后，双击安装包进行安装，可以安装在自定义的目录文件夹下

选择“精简”模式，接下来一直点“下一步”就行啦~😉

环境变量配置

将环境变量添加到PATH中

接着打开cmd运行nvcc -V，有版本信息说明就是安装成功

查看是否安装成功，在命令行输入以下指令进行检查，出现以下类似的输出就证明安装成功。

nvcc  -V

出现如上界面即安装成功

安装CuDNN（加速器）

通过官网进行安装CuDNN，网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

注意：需要注册登录才能进行安装喔😁

进去之后选择Archive of Previous Releases 打开历史版本进行下载

我们选择最下方的打开

选择一个11.x打下载即可

安装并解压完后，将这几个文件夹复制到CUDA安装路径下，就已经安装完成啦😎

这样即可

验证是否安装成功

在电脑上打开下面的文件夹，然后选择在终端打开

运行deviceQuery.exe

直接运行的话可能会报错，我们根据提示加上.\即可

最后result为pass即算安装成功

在输入下一个命令运行【bandwidthTest.exe】显示PASS则安装成功！

安装pytorch-GPU

在安装PyTorch之前，为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。以下是创建虚拟环境的步骤。

这里我们也可以选择在pycahrm终端打开，都是可以的

创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“myenv”。

conda create -n <env_name> python=<version>

例如，要创建一个名为myenv的虚拟环境，其中Python版本为3.8，可以运行：

conda create -n myenv python=3.8

这个版本要根据前面的图片进行确定

激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用activate命令；在macOS和Linux上，使用source命令。

conda activate <env_name>

例如，要激活名为myenv的虚拟环境，可以运行：

conda activate myenv

代码解读
激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。

注意：如果代码报错也可以直接运行

activate myenv

输入如下代码查看环境是否创建成功

conda env list

左侧是环境名称，右侧是环境地址

下载pytorch安装包

先去官网查找需要安装的版本

PyTorch https://pytorch.org/

同样我们选择历史版本

找到咱们自己的对应的CUDA11.6

然后查看torch，torchvision，torchaudio的三个版本号

download.pytorch.org/whl/torch_stable.htmlhttp://download.pytorch.org/whl/torch_stable.html进入上面的网站进行查找

例如我是win10，安装的CUDA(cu116)版本为11.6，python（cp38)版本为3.8，选择如下whl下载。

下载完成如上三个文件，然后赋值到pycharm的运行目录下，

之后进入这两个文件所在的文件夹路径内（注意要进入所创建的虚拟环境下下载），在终端下执行如下命令

pip install torch-1.13.1+cu116-cp37-cp37m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install torchvision-0.14.1+cu116-cp37-cp37m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install torchaudio-0.13.1+cu116-cp37-cp37m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

然后打开conda list 进行查看

这样即安装完成，下面进行验证

import torch

# 检查是否有可用的GPU
if torch.cuda.is_available():
    dev = "cuda:0"  # 如果有GPU，则使用第一个GPU
    device = torch.device(dev)  # 一个设备对象表示CPU或GPU
    print('There are %d GPU(s) available.' % torch.cuda.device_count())
    print('We will use the GPU:', torch.cuda.get_device_name(0))
else:
    print('No GPU available, using the CPU instead.')
    device = torch.device("cpu")

# 创建一个张量并移动到GPU上
x = torch.tensor([1.0, 2.0, 3.0, 4.0])
x = x.to(device)
y = torch.tensor([5, 6, 7, 8])
y = y.to(device)

# 在GPU上进行计算
z = x * y
print(z)

切换好运行的虚拟环境后，新建py文件输入上面代码进行验证，成功运行即可