最新最详细的配置PytorchGPU环境

前置介绍

为什么要配置GPU版本的pytorch呢？相信看到这篇博文的朋友应该都不用解释了，但为了防止萌新小白不理解还是和大家做个简短的前置知识介绍。

GPU加速的必要性：深度学习模型的训练通常需要大量的计算，而GPU（图形处理单元）由于其并行计算能力，可以显著加速这些计算过程，特别是在处理大规模数据和复杂模型时。

CUDA和cuDNN：PyTorch GPU版本的运行依赖于NVIDIA的CUDA（Compute Unified Device Architecture）平台，它允许开发者使用GPU进行通用计算。cuDNN（CUDA Deep Neural Network library）是NVIDIA提供的用于深度神经网络的加速库，可以进一步提高PyTorch的性能。

兼容性：在安装之前，需要确保你的NVIDIA GPU与CUDA版本兼容，同时你的系统（Windows、Mac或Linux）也需要满足PyTorch的安装要求。

检查GPU兼容性

安装CUDA Toolkit

首先打开命令行输入nvidia-smi查看自己设备GPU所支持的最高版本，如下图所示然后进入CUDA官网选择一个不高于CUDA Version的版本（在这之前建议先更新自己的显卡驱动可以提高版本，具体步骤不在这里赘述）

进去CUDA官网之后根据自己的GPU所支持的选择版本

这里以11.4.0版本，Windows本地配置环境作为演示，其他类似。

下载好后正常安装

选择安装位置（如果改了安装位置记一下，后面要用），然后点击下一步

继续下一步

点击关闭完成安装

命令行输入nvcc --version查看是否为自己所安装的版本，是否安装成功

安装cudnn

进入cudnn官网下载页面选择合适的版本进行下载，这里以8.9.7为例

选择Windows版本进行下载

下载完成后解压压缩包，将其中的bin，include，lib文件复制到之前安装的的CUDA toolkit文件位置，默认位置为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

然后把上述三个文件添加到环境变量中

创建虚拟环境（推荐）

这里使用Anacanda进行虚拟环境的创建，打开Anacanda命令行

创建一个名为pytorchTest的虚拟环境，命令如下conda create -n pytorchTest python==3.8

输入y继续，等待环境创建完成

使用conda activate pytorchTest激活刚才创建的环境，括号前面变为pytorchTest即为激活成功

安装pytorchGPU

打开pytorch官网下载最新的版本，复制命令到Anaconda命令行进行下载

代码如下

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

也可根据自己需要选择之前的版本，这里以1.6.0版本为例，大家根据自己需要以及版本兼容进行选择

之前版本下载

命令如下

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch

输入y继续，等待下载完成

验证pytorchGPU是否安装成功

在该环境下运行python，输入如下代码，如果显示True即为成功

import torch
print(torch.cuda.is_available())

至此，从0开始配置pytorchGPU环境结束。按照这些步骤，你应该能够顺利地为你的PyTorch项目配置GPU环境。如果在安装过程中遇到任何问题，可以评论区给我留言或者私信我，如果对大家有帮助的话还请点赞收藏关注支持一下。

g5zwKH-1717663331147)]

至此，从0开始配置pytorchGPU环境结束。按照这些步骤，你应该能够顺利地为你的PyTorch项目配置GPU环境。如果在安装过程中遇到任何问题，可以评论区给我留言或者私信我，如果对大家有帮助的话还请点赞收藏关注支持一下。

关于Anaconda的安装与使用大家可以自行解决下，过两天我也会写一份教程。