基础pytorch安装gpu版本--保姆级教程

写在最前（README！！）

此篇文章为第一次安装torch的教程
在以后的使用中还会遇到多版本cuda+torch的环境------------那请看这个啊不好意思，那篇文章，我还没写

• gpu显卡仅针对NVIDA（英伟达）哦
• 安装gpu-torch的逻辑是这样的
  1. 显卡算力及格
  2. cuda升级到最新版本
  3. conda内新建python版本为3.6的虚拟环境
     （为什么是3.6的？ 因为我喜欢3.6呀）
  4. 找对应cuda版本的torch的轮子，下载
     （为什么用轮子而不是命令？ 因为用命令下载torch的体验糟糕透了， 可以试试嘛， 可以的话，请回来踢我一下，告诉我什么感受。康桑密哒~）
  5. 进入虚拟环境，使用pip安装轮子，然后测试就好了

默认你已经准备好的前提条件

1. anaconda已经安装好了（mini版本也可以）
2. conda与pip的源已经更新为国内源–换源
3. conda内已经建立好python版本为3.6的虚拟环境–建立虚拟环境

查看GPU显卡算力

算力不够 直接安装cpu版本 --无需向下查看了

• NVIDA官方说明在GPU算力高于5.0时，此计算机可以用来跑神经网络，那么低于5的显卡，就没有必要安装gpu版本的torch了
• 这里给出NVIDA显卡算力对照表-链接

查看显卡驱动版本（请升级到最高）

win10查看方法

1. 此电脑右键属性
   
2. 打开设备管理器
3. 点开显示适配器，选中显卡，右键属性打开
4. 首先点击驱动程序菜单。 而后查看驱动版本

• 可以看到我的驱动版本为472.12 ，至于为什么是后五位呢？ 如果你也感兴趣，麻烦查到了告诉我一下，啾咪。
• 我自己实践了一次，所以已经更新到最新了，

查看CUDA版本

win10查看方法

1. 打开控制面板–搜索nvidia

• 如果搜索不到，那就是程序丢失了， 按照下面的 更新到最新版驱动教程 走一遍即可。
• 如果已经操作了 更新到最新驱动 ，然后还没有找到NVIDIA 控制面板，请重启，重启可以解决99%的问题。
  

2. 点击帮助菜单， 选择系统信息
3. 选择组件，查看cuda版本

• 我已经安装过最新版驱动， 所以这里显示cuda为11.4
  

如何更新到最新版本的驱动（推荐方法一）

• 驱动是向下兼容的，放心升级吧亲

方法一（针对GEFORCE系列显卡）

• 下载GEFORCE自动更新驱动程序

1. 打开链接点击下载安装即可
2. 第一次打开需要账号登录

• 我自己的微信扫码登录就成功了，
• 如果你的失败了， 通常是网络原因， 收不到NVIDIA服务器的响应。
• 两个办法：
  1. 换个网络吧，通常换成校园网会好， 如果条件不允许， 条条大路通罗马，八仙过海各显神通。奥利给！
  2. 先去官网注册个账号， 用账号和密码登录，会比微信好一些，兄弟们，欧皇和非酋的证明时刻来临了。

3. 登录成功之后，点击 驱动程序 菜单， 而后有更新的话会出现更新提示的。更新即可
   

方法二（NVIDIA显卡）

• 手动搜索驱动程序
• 手动搜索驱动链接2–上面无结果用这个
• 手动搜索最新的驱动更新，下载安装即可

查看cuda对应的torch版本

1. 这里给出参考

• 当然你也可以去NVIDIA的官网查看对照表，但我觉得你不会。
• 这里的CUDAtoolkit版本暂时等同于CUDA驱动的版本。
  我会在后续文章中解释， 这里不做赘述。
  

去下载轮子吧亲

1. 轮子下载地址

• tips： 使用校园网和5g的下载速度都很快。5g牛批！！！

2. 什么？ 你看不懂轮子的名字？

• 我真好
• 举例子:
  • cu102： 对应cuda版本为10.2
  • torch-1.6.0 ： torch版本为1.6.0
  • cp36 ： 对应python版本为3.6
  • win_amd64 : 对应64位windows平台（不说人话：CPU是AMD64兼容的架构并在windows上运行）

安装与测试torch

安装

1. anaconda命令行下打开新建的虚拟环境

conda activate py36

• 呐呐， 我的虚拟环境名字叫py36

2. 使用pip安装轮子

pip install E:\temp\torch-1.6.0+cu101-cp36-cp36m-win_amd64.whl

• 轮子名字太长不愿意打？： 用鼠标把whl文件拖进命令行
• 安装过程中会下载一些模块， 很快

测试

• 首先进入python命令行
• 三条命令,

import torch

torch.__version__

torch.cuda.is_available()

• 结果如下
  
  恭喜成功！！！！撒花！！！！！

你已经配置好基础的pytorch了。 以后安装其他包的话， 请对应版本安装。 机器学习中用到的包很多， 而且版本还多，
要一一对应才行，否则会就会报错的。 这就不在这篇文章的谈论范围之内了。
这里提供一个间接参考。下载对应的torchvision的版本

参考

1. conda建立新的虚拟环境
2. conda的pip更换为国内源
3. NVIDIA显卡驱动下载
4. NVIDIA显卡算力一览
5. gpu版本torch安装参考
6. 安装pytorch步骤
7. 使用pytorch测试是否安装成功
8. 显卡驱动对照表
9. NVIDIA官方驱动对照表
10. NVIDIA驱动下载