安装Pytorch过程

按了好几遍，终于成功了，下面是过程，记录一下，说不定后边还会用到。

        此处只介绍anaconda环境以及GPU安装，若自己电脑没有英伟达显卡，可以换教程了，怎么看自己是否有英伟达显卡，见步骤1。

右上角的就是表示你有

1、查看自己电脑是不是有英伟达显卡

电脑搜索栏搜索设备管理器-->显示适配器-->NVIDIA GeForce GTX 1650

如果没有NVIDIA开头的东西，那就是没有英伟达显卡，可以换教程了

接下来开始安装pytorch：

win+R,输入CMD，打开命令行输入

nvidia-smi

如果输入上述命令后不显示显卡版本号，更新一下驱动。

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA        点击前方链接进入更新驱动界面

在更新驱动的官网，手动搜索驱动程序，产品系列见设备管理器的显卡型号

搜索后，出来下面的界面：选择新的下载就好，Studio和Game Ready,侧重不同的方面，两者应该都可（我下的Studio）

下载安装完成后，重新打开命令行！！！再输入nvidia-smi，就可以出来了。

此处可以看到版本为12.6

2、安装CUDA

CUDA 官网网址：  https://developer.nvidia.com/cuda-toolkit-archive      

从官网下载对应的CUDA版本，由于我的显卡版本为12.6，我只需要安装小于或者等于12.5都是可以的，因此这里我安装12.4。

下载后安装：

注意！！！这只是一个临时存储的位置（不用管这个位置）

安装时这个要选自定义！！

将位置改为自己定义的！后面会用

安装完成后，最开始的临时存储路径将会自动删除2、安装CuDNN（加速器）

官网下载安装包，注意：需要注册登录才能进行安装喔😁

网址：https://developer.nvidia.com/cudnn

选择自己的电脑配置，然后点击下载即可

安装时的第一个界面也是一个临时存储路径（路径不重要，安装完成后会自动删除！！！）

选择自定义安装！

将这五个的位置都改为自己定义的（注意往下滑还有两个所以是五个）

安装完成后，将cudnn安装路径下的bin,include,lib文件夹复制到cuda的安装路径下！

3、安装pytorch-GPU

创建虚拟环境：

打开Anaconda终端

conda create -n pytorch python=3.11

pytorch只是名字而已，可以自己定义，python=3.11是python的版本号遇见了就输y！！

输入conda env list可以查看已经创建的虚拟环境

conda env list

切换到上面创建的虚拟环境,我的是pytorch

conda activate pytorch

这里换为pytorch（自己设的环境名就对了）

添加镜像：

​conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
 
conda config --set show_channel_urls yes
 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
 
​

进入pytorch官网找下载链接

官网网址：PyTorch

这个版本一定要和第一步自己下的CUDA的版本一致！！！！！！！

如果这里边没有，去历史版本里边找

将Run this Command中的命令复制

等待安装完成即可。

4、命令行验证或者pycharm验证

命令行验证：（中间有一行输错了，忽略忽略嘿嘿）

import不报错，显示True表示安装完成

pycharm验证：

新建一个py文件，将下述代码粘过去：

import torch
import torchvision
import torchaudio

print("Torch Version:", torch.__version__)
print("Torchvision Version:", torchvision.__version__)
print("Torchaudio Version:", torchaudio.__version__)


print(torch.__version__) # pytorch版本
print(torch.version.cuda) # cuda版本
print(torch.cuda.is_available()) # 查看cuda是否可用

pytorch和cuda的版本输出为安装的版本。

至此完结撒花！