1.查看python版本
选择想要的python版本创建环境
或者也可以打开terminal,输入python - V查看环境的python版本
2.安装cuda toolkit
学习别人的程序,用的是gpu版的torch
在cmd里输入nvidia-smi,查看cuda版本
CUDA Toolkit Archive | NVIDIA Developer下载对应版本的cuda toolkit
修改安装路径以后一直按默认配置点安装,安装完成之后直接关闭就行
输入nvcc -V查看是否安装完毕(如果没有安装成功,会显示没有这个指令)安装成功的界面:
3.安装torch gpu
方法一:
然后进torch官网https://pytorch.org/复制命令安装
因为我cuda版本比较旧所以进这个网址找命令Previous PyTorch Versions | PyTorch
但是这样命令安装比较慢,一直卡在solving environment
方法二:
进这个网址找whl文件下载download.pytorch.org/whl/torch_stable.html
下载了torch-1.12.0+cu116-cp39-cp39-win_amd64.whl
文件名含义:
cu116:cuda11.6
cp39:python3.9
amd64:64位系统
在terminal里cd进放了whl文件的文件夹里,输入pip install (文件名)
(在这步之前没安装cuda toolkit的话会卡住,不过我也不太确定是不是cuda toolkit的原因)
4.测试是否可用
直接在conda里打开python
输入以下命令测试
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available()) #输出为True,则安装无误
正常:
如果出错,则参考这篇来检查【一文解决】已安装CUDA与Pytorch但torch.cuda.is_available()为False_torch.cuda.is available返回false-CSDN博客