安装Pytorch

目录

一、安装anaconda

二、安装cuda

1.检查是否有独显

2.cuda版本的选择问题

3.搭建虚拟环境

4.安装cuda

5.安装cuDNN

​编辑

6.配置环境变量

7.确认cuda是否安装成功

三、安装pytorch

1.安装

2.如何使用

1.pycharm中

2.jupyter notebook中

---

一、安装anaconda

  PyTorch 在其官方文档和教程中通常建议使用 Anaconda 来管理 Python 环境。因为Anaconda 提供了一个简单的方式来安装 Python 和各种科学计算库（如 NumPy、SciPy），这些库在 PyTorch 使用过程中经常需要。Anaconda 可以创建和管理独立的 Python 环境，这样可以避免不同 Python 库之间的版本冲突。对于 PyTorch 来说，这意味着可以在不同的项目中使用不同版本的 PyTorch 或其它库，而不会相互干扰。

官网：Download Anaconda Distribution | Anaconda

直接从官网下载即可

注意下载之后环境变量的配置：下载之后要查看自己的环境

设置——查看高级系统设置——环境变量——系统变量中的Path

二、安装cuda

1.检查是否有独显

(如果电脑中没有独立显卡，就不用安装CUDA了和cuDNN了，这时候安装的pytorch应该选择相应的CPU版本)

查看独立显卡的方法：快捷键windows+x  ——设备管理器 —— 显示适配器

上图中Intel(R) lris(R) Xe Graphics 是集显，NVIDIA GeForce MX450是独显

2.cuda版本的选择问题

Windows+r,即cmd,cmd命令行输入以下命令

nvidia-smi

可以看到支持的cuda版本最高为11.6

接下来先搭建一个虚拟环境

3.搭建虚拟环境

打开Anaconda Prompt

输入下面的命令，创建一个虚拟环境名为pytorch1,python版本为3.7的虚拟环境

conda create -n pytorch1 python=3.7

(这里是我之前换了清华源，下载比较快，有很多可换的源，可以自行在csdn上查阅，喜欢哪个用哪个；也可以不换源，结果只是下载速度会慢一点而已)

创建完成之后，可以通过下面的命令查看环境是否创建成功

conda info --envs

4.安装cuda

官网： CUDA Toolkit Archive | NVIDIA Developer

（Windows——x86_64——11——exe(local)）我的电脑是Windows11系统，这个请根据自己电脑系统进行选择

下载完成之后，

安装cuda 

选择自定义安装

（cuda选项中的visual studio intergration不选，否则会安装失败，一个博主说的；但我试了一下选择visual studio intergration,是可以安装成功的，并没有安装失败）

5.安装cuDNN

（可装可不装）

  CuDNN（CUDA Deep Neural Network library）是NVIDIA专为深度神经网络加速计算而设计的GPU加速库。它针对深度学习框架提供了优化的实现，可以显著提升神经网络的训练和推理速度。CuDNN的安装是否必须取决于我们使用的深度学习框架、是否有GPU可用以及你对计算速度的要求。如果希望在NVIDIA GPU上获得最佳性能，那么安装CuDNN通常是一个明智的选择。

官网：cuDNN Archive | NVIDIA Developer

找到相应的cuDNN版本

将下载后的文件解压缩

复制三个文件，打开CUDA安装位置,(我使用的是默认位置，文件路径如下）直接粘贴即可。如果遇到替换默认同意即可

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

6.配置环境变量

设置——查看高级系统设置——环境变量——系统变量中的Path

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include

7.确认cuda是否安装成功

在cmd中输入命令

nvcc -V

测试算力

在cmd中输入下面的命令

"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite\deviceQuery.exe"

结果如下：

至此cuda和cuDNN已全部安装完成

三、安装pytorch

在 二、安装cuda——3.搭建虚拟环境中，搭建了一个名为pytorch1的虚拟环境，现在在这个虚拟环境中安装Pytorch.

1.安装

Pytorch官网：PyTorch

找到与conda对应的版本

将这个命令复制下来，然后激活pytorch1环境，activate pytorch1,在pytorch1环境中使用刚刚复制的命令安装pytorch

确认是否安装成功

方法一：

#依次输入如下命令
python
import torch
torch.cuda.is_available()

方法二：

查看安装的所有库

conda list

如果有pytorch，就代表安装成功。

2.如何使用

可以在pycharm中使用，也可以在jupyter notebook中使用

1.pycharm中

按照上图所示步骤添加python解释器然后确认即可。

可以在pycharm中运行下面的代码，来查看创建的pytorch1环境是否可用

import torch
flag = torch.cuda.is_available()
if flag:
    print("CUDA可使用")
else:
    print("CUDA不可用")

ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))

运行结果：

2.jupyter notebook中

先打开anaconda prompt，然后激活pytorch1环境，之后进入jupyter notebook