​CUDA + Pytorch + Torchvision​

​        本文主要介绍在CUDA环境下，以pip安装和conda安装两种方式进行实例说明，安装用于深度学习项目开发的pytorch等python库。

         相关链接：PyTorch 中文文档 & 教程https://pytorch.apachecn.org/        
安装Pycharm+Anaconda & 环境搭建https://blog.csdn.net/syl_xstq/article/details/140688218?spm=1001.2014.3001.5501                         

一、torch、pytorch和torchvision

        Pytorch是一个开源的Python库，主要是以 n 维数组库及相关算法库的形式被用在深度学习方面。Torch是一个包含深度学习库的Python模块，它是PyTorch的一个子集，主要用于线性代数运算。Torchvision是一个用于加载数据集，进行图像数据的处理，并在PyTorch中构建图像识别模型的工具包。
        即Torch是Pytorch的底层库，而Torchvision是为了方便使用PyTorch进行视觉任务所开发的库。

        安装Pytorch之前需要先安装GPU对应的CUDA、CUDNN、Anaconda，然后根据Python和CUDA版本选择合适的Torch版本

二、版本选择

        win+R启动系统cmd并输入 nvcc -V ，查看电脑上的CUDA版本

​

                Torch、Torchvision与Python的版本对应关系可以参考：      GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer VisionDatasets, Transforms and Models specific to Computer Vision - pytorch/visionhttps://github.com/pytorch/vision

​

三、pip与conda安装

        Pytorch的安装可以通过【PyTorch】进行具体安装方式的选择 ，建议选择【Stable稳定版本】，确认配置后复制并运行底部指令进行安装。

​

         安装过程较为缓慢，请耐心等待，若异常中断可尝试多次执行。不建议采用换源的方法，使用国内源下载。国内源并没有包含所有pytorch版本，可能无法下载。

四、离线安装

       当在线安装不成功，或无法在线安装时，也可以下载安装包进行离线安装。确认好各文件版本后，查找对应安装文件分别下载安装即可

        安装包资源地址：https://download.pytorch.org/whlhttps://download.pytorch.org/whl      https://download.pytorch.org/whl/torch_stable.htmlhttps://download.pytorch.org/whl/torch_stable.html
GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer VisionDatasets, Transforms and Models specific to Computer Vision - pytorch/visionhttps://github.com/pytorch/vision

        一共要下载两个文件，分别是torch和torchvision，其中torch-2.1.3代表torch2.1.3版本、cu121代表CUDA12.1版本、cp39代表python3.9版本、win_amd64代表适合Windows系统的安装文件

        下载完成后使用命令行进行安装：

   conda activate YoloEnv         激活对应环境

   pip install torch-2.0.0+cu117-cp39-cp39-linux_x86_64.whl

五、验证

        通过在命令行中输入以下指令验证torch是否安装成功

        python
        >>>import torch
        >>>torch.cuda.is_available()

        显示True表示torch安装成功

        python
        >>>import torchvision
        >>>torchvision.torch.cuda.is_available()

        显示True表示torchvision安装成功