Windows安装GPU版本Pytorch最安全快速便捷的方法

振华OPPO

已于 2025-02-28 09:02:09 修改

阅读量1.6k

点赞数 13

分类专栏：深度学习文章标签： windows pytorch 人工智能深度学习机器学习 torchvision

于 2025-02-26 08:00:00 首次发布

本文链接：https://blog.csdn.net/qq_42257666/article/details/145828968

版权

深度学习专栏收录该内容

19 篇文章

订阅专栏

安装目录

一、安装CUDA
二、安装cuDNN
三、查看CUDA版本
四、离线下载Wheel文件（轮子）
- 1、Wheel文件
- 2、选择torch和torchvision版本
五、安装Pytorch
六、训练模型

我21年时的博客讲解了如何安装Pytorch，但是因为网络问题很难下载和安装成功，因此整理下这些年总结的离线安装方案，帮助大家更快安装好深度学习环境。文中还需要具备Anaconda安装和环境管理的基础知识。

一、安装CUDA

CUDA（Compute Unified Device Architecture）和cuDNN（CUDA Deep Neural Network library）是由NVIDIA提供的两个关键软件库，分别用于高性能计算和深度学习加速。

查询支持的CUDA版本：
- 使用nvidia-smi命令查询显卡支持的最高CUDA版本。确保安装的CUDA版本不超过此限制，否则可能需要更新显卡驱动。
下载CUDA安装包：
- 前往NVIDIA CUDA官网下载对应操作系统和架构的CUDA安装包。
安装CUDA：
- 双击安装包开始安装，按照提示进行下一步操作。
- 建议选择自定义安装，以便更好地控制安装组件。
- 在安装过程中，如果系统提示是否安装NVIDIA驱动程序，通常建议选择“否”，特别是当已安装与CUDA兼容的最新显卡驱动程序时。
配置环境变量：
- 安装完成后，需要将CUDA的路径添加到系统的环境变量中。这通常包括将CUDA的bin目录添加到Path系统变量中。
验证安装：
- 打开命令提示符或终端，输入nvcc -V命令，如果显示CUDA版本号，则表示安装成功。

二、安装cuDNN

下载cuDNN安装包：
- 前往NVIDIA cuDNN官网下载对应CUDA版本的cuDNN安装包。注意，cuDNN需要注册NVIDIA开发者账号才能下载。
解压cuDNN压缩包：
- 下载完成后，解压cuDNN压缩包，得到bin、include和lib三个文件夹。
复制cuDNN文件夹到CUDA安装目录：
- 找到CUDA的安装目录，通常位于C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X（Windows系统），其中XX.X表示CUDA版本号。
- 将解压得到的bin、include和lib三个文件夹复制到CUDA的安装目录下，覆盖原有的同名文件夹（如果存在）。
配置环境变量（可选）：
- 虽然通常不需要为cuDNN单独配置环境变量，但为了确保系统能够找到cuDNN库和头文件，可以将cuDNN的bin目录也添加到Path系统变量中（与CUDA的bin目录相同）。
验证安装：
- 可以通过运行CUDA的样例程序（如deviceQuery）来验证cuDNN是否安装成功。这些样例程序位于CUDA安装目录下的extras\demo_suite文件夹中。
- 打开命令提示符或终端，导航到样例程序目录，并运行deviceQuery.exe（Windows系统）。如果结果为PASS，则表示cuDNN安装成功。

三、查看CUDA版本

要查看电脑上的CUDA版本，Windows系统上提供3种查看CUDA版本的具体方法：

1. 使用命令行

打开命令提示符（CMD）或PowerShell。输入nvcc --version（注意nvcc和--version之间有空格）。如果CUDA正确安装且环境变量设置正确，这将显示CUDA的版本信息。或者输入nvidia-smi也可以查看与NVIDIA GPU相关的驱动程序和CUDA版本信息（尽管它可能不是直接的CUDA版本）。
在这里插入图片描述

2. 查看NVIDIA控制面板

* 右键单击桌面空白处，选择“NVIDIA控制面板”。
* 在打开的NVIDIA控制面板窗口中，点击左下角的“系统信息”。
* 在弹出的“系统信息”窗口中，切换到“组件”选项卡，找到“CUDA驱动程序”，其后面显示的版本号即为CUDA版本。

在这里插入图片描述

这里我解释一下，因为你安装的CUDA驱动程序是要不高于于你NVIDIA显卡驱动程序版本的，因此安装10.0是可以的，无需安装相同版本。

3. 查看安装目录

* CUDA通常安装在`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y`目录下（其中`X.Y`是版本号）。
* 在这个目录中，通常会有一个名为`version.txt`的文件，里面包含了CUDA的版本信息。

在这里插入图片描述

四、离线下载Wheel文件（轮子）

1、Wheel文件

.whl文件是一个使用Zip压缩算法进行压缩的文件，它包含了Python模块的压缩形式（如.py文件和经过编译的.pyd文件）以及这些模块的元数据，通常称为“轮子（wheel）”。这种格式使得Python解释器可以直接加载和使用其中的模块，无需从源代码开始编译。它主要用于存储和传输Python软件包，并允许Python用户安装和分发第三方库。
.whl文件的命名遵循一定的规则，通常包含库名、版本号、Python版本、系统架构等信息。例如，numpy-1.21.2-cp39-cp39-win_amd64.whl表示这是一个名为numpy的库，版本为1.21.2，适用于Python 3.9的64位Windows系统。
优点如下：（1）快速安装：由于.whl文件是预编译的二进制包，因此安装过程通常比从源代码安装要快得多，这对于需要频繁安装或更新Python库的用户来说非常有用。（2）跨平台兼容性：.whl文件可以针对不同的操作系统和Python版本进行编译，从而实现了跨平台的兼容性。（3）减少依赖问题：通过安装.whl文件，可以确保所需的依赖项已经包含在内，减少了手动安装依赖项的麻烦。

2、选择torch和torchvision版本

1、进入官网https://download.pytorch.org/whl/torch_stable.html，里面是torch所有相关的轮子。
直接Ctrl+F查询到自己需要的轮子。

cu100表示cuda的版本10.0，torch-1.2.0，cp37表示python3.7，win表示windows系统，amd64表示64位。

在这里插入图片描述

2、查看torch和torchvision对应版本：cuda10.0下torch1.2.0对应torchvision0.4.0。
https://blog.csdn.net/shiwanghualuo/article/details/122860521

在这里插入图片描述

五、安装Pytorch

1、进入新建的Anaconda环境，输入命令安装：

pip install torch-1.2.0-cp37-cp37m-win_amd64.whl
pip install torchvision-0.4.0-cp37-cp37m-win_amd64.whl

2、进入Python编译器，先import torch，如果没有报错说明可以导入成功；再输入torch.cuda.is_available()查看torch是否可以使用显卡，True就代表正常调用GPU。

在这里插入图片描述

六、训练模型

1、我们启动训练程序，任务可以正常执行。

在这里插入图片描述

2、打开任务管理器，可以看到GPU占用2%，如果是用CPU训练的话，CPU就会占用98%了。因此为了保护电脑，一定要充分利用显卡，当然也只限于简单的神经网络，对于大模型还是要在服务器上多卡训练。
在这里插入图片描述

因此古时贤者编了《不可录》一书，记载了淫欲之害、戒淫格言以及福善祸淫的实例，详细而有条理地分析和陈述了持戒的方法、日期以及其中的忌讳，以警世人。作者的觉世救民之心，可谓恳切周挚！后印光大师将《不可录》加以增补修订，并取名为《寿康宝鉴》，再为这本书募捐印刷、令其广泛流通。邪淫的戒除与否，关乎祖宗父母的荣宠羞辱、自己身家的生死成败，关乎后世子孙的贤愚存亡。