从零开始安装pytorch（包含GPU和CPU版本的安装）

声明：本文章是根据网上资料，加上自己整理和理解而成，仅为记录自己学习的点点滴滴。可能有错误，欢迎大家指正。

---

一、简介

1.什么是pytorch？

   Pytorch是基于torch的python版本的机器学习库，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络(DNN)编程。 Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor )库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。

2. 安装前需要准备什么

情况一：已装过Python的小伙伴

请删掉自己电脑的本来的python，因为之后会干扰到安装。或自行搜索“Python安装Pytorch教程”相关内容。

情况二：未装过Python的小伙伴

1. 确定自己所需安装的pytorch是GPU还是CPU版本。

2.下载anaconda并pytorch其配置环境

3.通过anaconda下载安装pytorch

4.下载pycharm，并为程序配置环境

二、安装步骤

1. 确定所需安装的pytorch是GPU还是CPU版本。

先判断是否有Nvidia(英伟达显卡)，下面我以我的笔记本电脑windows11系统为例：
第一步：右键开始菜单，在弹出选项中选择任务管理器→选择性能→看GPU 0→GPU的制造商和型号名称显示在窗口的右上角，如下的截图。若GPU>0，表示有多个GPU。只有带NVIDIA的英伟达显卡的电脑才能安装GPU版本，否则其他的就只能安装CPU版本。

• 下图为英伟达显卡，可以装GPU版本。

         

• 下图没有英伟达卡，只能装CPU版本。

2. 安装Anaconda

（1）基础知识：

Anaconda是一个集成了conda和python的大环境，俗称”大蟒蛇“。Anaconda方便管理不同版本的软件包和方便切换不同环境（Pytorch、Tensorflow等）。自带有一些重要的基础包，类似numpy、Jupyter 关于深度学习工具等。关于深度学习需要的包都可以直接下载到anaconda的site_packages并方便调用。Anaconda必不可少。

（2）安装步骤：

①首先去官网下载Anaconda。→点击download，下载的就是最新版本的。→下载完成后，直接运行下步就行。

②  第一个选项：创建菜单快捷方式；第二个选项：添加到环境变量；第三个选项：anaconda作为默认python；第四个选项：清理包裹缓存。

第二个选项即使标红也不用理他直接勾选。如果没有勾选第二项之后要手动环境变量去配置，因为必须把Anaconda加到PATH里面才能直接访问一些文件。
第三个选项就可以自动给你安装python3.11系列的    

③路径选择这块，最好是全英文。你可以自己选择默认的或者装到别的盘里。一定要记住你的安装路径，因为之后在安装包的时候很多次会到anaconda里的site_packages进行操作。

④然后验证是否安装好：在开始菜单下，找到带有绿色图标的Anaconda,点击就可以打开Anaconda的图形化界面，点击环境，看到base（root），这个就是默认的一个虚拟环境，代表我们安装成功了。

      

3. Pytorch 的安装（包含CPU和GPU版本的安装）

3.1创建虚拟环境

为什么需要学会这个呢？其实刚刚安装好Anaconda会自带一个基础环境。但是我们后续的项目每一个需要的安装包不同，为了避免冲突，所以我们可以为每一个项目配置一个虚拟环境，这样就不相互打扰了。

（1）点击Anaconda命令窗口的位置，随便点击那个都可以。

（2）输入“conda env list”命令就可以查看当前有多少虚拟环境。

（3）利用 conda create 指令创建新的虚拟环境。

即：conda create –n 虚拟环境名字 python=版本

如：conda create -n mypytorch python=3.11

会出现如下图,输入y就行，然后就是等待安装。

好了以后用指令"conda env list"检查一下，如下，就是成功的。

3.2 安装pytorch

 （1）查看CUDA显卡驱动版本（安装CPU版本的跳过该步骤）

注意：有英文达显卡的，可以使用该命令，否则报错

安装GPU版本的pytorch ，需要安装对应CUDA版本，所以我们需先查看CUDA显卡驱动版本

在cmd命令行终端输入：nvidia-smi

由于我的显卡版本为12.0，我只需要安装小于12.0都是可以的。

（2）创建虚拟环境

安装pytorch前想清楚一个问题，想把pytorch安装到那个环境里。默认是在基础环境下（base），比如我现在想安装到pytorch自己定义的虚拟环镜:

可输入激活命令：conda activate 虚拟环境名。如conda activate mypytorch

（这个虚拟环境名，要看你自己定义的是什么，上面定义的为mytorch ,所以这里写的mytorch)

输入上面命令进入想安装pytorch的虚拟环境，上面就是想在mypytorch这个虚拟环境中安装pytorch软件。

(上面的conda list命令是为了查看当前虚拟环境下的所有已安装的包，也可以不输）

（3）安装GPU版本的pytorch（CPU版本看（4））

安装pytorch命令：conda install +文件地址 或pip install +文件地址

①使用conda install 命令安装（ 建议使用）

首先进入pytorch官网，出现以下界面：

①为什么安装了Anaconda，推荐使用conda命令？

• Conda是Anaconda的包管理器。conda可以让你同时管理安装处理有关的python任务和跟python无关任务，即pip可以允许在任何环境中安装python包，conda允许你在conda环境中安装任何语言包（包括C语言或者python）。
• 因为pip不能安装和解析conda的包格式。可以使用这两个工具，但是它们是不能交互的 
•   由于pip是从源代码安装的，所以如果你无法编译源代码，那么安装它可能会很痛苦（这在Windows上尤其如此，但如果软件包有一些困难的C或FORTRAN库，甚至在Linux上也是如此）依赖）。 
• Conda从二进制文件安装，这意味着有人（例如Continuum）已经完成了编译软件包的艰苦工作，因此安装非常简单。不过，个人感觉conda安装有些慢。（相对pip 来说）

② 为什么安装pytorch-GPU前一定要安装CUDA和CuDNN呢？

• CUDA是NVIDIA推出的并行计算平台和API模型，它使得显卡可以用于图像渲染和计算以外的目的，例如通用并行计算。PyTorch通过CUDA可以充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。
• cuDNN是CUDA的扩展库，专门针对深度神经网络中的基础操作提供高度优化的实现方式，例如卷积、池化、规范化以及激活层的前向和后向过程。使用cuDNN可以大大提高深度学习模型在GPU上的运行效率。

因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。如果不安装CUDA和cuDNN，PyTorch-GPU将无法正常工作。

由于之前查到自己的显卡版本为12.0，我只需要安装小于12.0都是可以的，所以选择了CUDA的11.8版本。然后可以直接复制红框中的链接到命令窗口：

 当出现下面对话框，输入y，开始安装。

②使用pip install 命令安装

 进入pytorch官网，出现以下界面：

直接复制红框中的链接到命令窗口，但速度很慢：

使用镜像下载的方法：

因为我们的安装指令都是从国外的通道下载，下载速度会非常慢。所以我们想要下载快还是得用国内的镜像地址。需要输入conda config --get指令 查看我们的通道地址。现在我们的环境中通道是defaults，即表示它会从国外下载安装包，下载速度会非常慢。

下面是一些镜像地址

镜像名	用于创建环境镜像地址
清华镜像	https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像	https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像	http://mirrors.aliyun.com/anaconda/pkgs/main

（4）安装CPU版本的pytorch（GPU版本看（3））

安装pytorch命令：conda install +文件地址 或pip install +文件地址

①使用conda install 命令安装（ 建议使用）

首先进入pytorch官网，出现以下界面：

①为什么安装了Anaconda，推荐使用conda命令？

• Conda是Anaconda的包管理器。conda可以让你同时管理安装处理有关的python任务和跟python无关任务，即pip可以允许在任何环境中安装python包，conda允许你在conda环境中安装任何语言包（包括C语言或者python）。
• 因为pip不能安装和解析conda的包格式。可以使用这两个工具，但是它们是不能交互的 
•   由于pip是从源代码安装的，所以如果你无法编译源代码，那么安装它可能会很痛苦（这在Windows上尤其如此，但如果软件包有一些困难的C或FORTRAN库，甚至在Linux上也是如此）依赖）。 
• Conda从二进制文件安装，这意味着有人（例如Continuum）已经完成了编译软件包的艰苦工作，因此安装非常简单。不过，个人感觉conda安装有些慢。（相对pip 来说）

然后可以直接复制红框中的链接到命令窗口：

 当出现下图，输入y,开始安装。

②使用pip install 命令安装

 进入pytorch官网，出现以下界面：

直接复制红框中的链接到命令窗口，但速度很慢（大概需要10~20min)：

镜像的安装可以看（3）。

（5）查看是否成功

安装完成后，输入conda list 看一下有哪些库

这三个出来就没问题了。使用conda安装出现的是pytorch、torchvision和torchaudio。

使用pip安装出现的应该是torch、torchvision和torchaudio。

也可以用下面方法测试是否安装成功，测试方法为：

①激活虚拟环境: activate 虚拟环境名，如activate mypytorch 
②进入python: python
    测试numpy: import numpy
    测试pytorch: import torch

若输入import numpy 报错：需下载numpy包，安装完之后再测试就可以了。

可输入命令：conda install numpy，

此外，还可以输入 torch.cuda.is_available()，这个命令是检查我们电脑是否可以用GPU，因为没有，当然就是false。

4.  pycharm安装与配置 

4.1 pycharm安装

PyCharm是目前最好用的Python开发IDE，首先进入pycharm官网 ，下载最新的版本。

目前有Professional和Community两种版本，Professional需要付费，而Community是免费版本，所以，一般下载Community版本。

​

进入后，往下拉，找到社区版下载，社区版是免费使用的。专业版是收费的​

下载好了以后双击安装，点击next下一步。选择安装位置，一般路径不要有中文

​

一般创建一个桌面图标就行，可根据自己需要选择

​

点击install进行安装，等待一段时间。最后点击finish就安装好了。

​​

4.2 pycharm 配置

(1）配置环境

安装好打开后应该是这个初始界面.

​

然后开始配置，点击Customize，选择里面的Configure或者All setting都可以

​

进入配置界面，第一步就是配置python环境，点击下图右上角的Add interpreter。

​

因为我们前面已经安装了Anaconda，配好了环境，直接用我们配好的，点击add去找我们配置的位置，然后点OK。

​

再点Load Environment，并用我们已经创建好的环境，比如我这里是mypytorch

​

点击ok,然后就开始更新了

​

(2) 设置软件语言为中文：

选择Plugins，然后搜索Chinese，选择中文语言包，点击Install进行安装。

​

安装完成中文语言包以后，点击Restart IDE ，重启软件。软件就变成中文的了。

(3）新建工程

​

创建成功后，有下面的界面：​

这就代表成功了。