PyTorch的安装和环境配置||GPU和CPU

PyTorch的安装和环境配置||GPU和CPU

---

---

前言

PyTorch作为一个开源深度学习框架，由于其动态计算图的优点，受到AI Learner的广泛喜欢（虽然但是，Tensorlflow也已经更迭了动态计算图的version，Google于11月发布了TensorFlow Fold,利用动态计算图).当然PyTorch可以利用多GPU（显卡）的优势依旧存在。

一、PyTorch安装须知

1版本选择

PyTorch分为CPU版本和GPU版本，CPU版本使用核心处理器的算力进行图形化计算，原理与核显相似。当然电脑有独立显卡的，肯定是更优选择GPU版本。

2查看显卡cuda版本

这里主要是指NVIDA的显卡，AMD的选手可以点掉了。
通过win+R打开命令提示符，输入cmd命令运行。

nvidia-smi #输入该指令查看显卡cuda版本

作者的CUDA Version为12.2，也可以通过NAVID的显卡管理器进行查看。

二、PyTorch包下载/conda下配置

1.打开PyTorch的虚拟环境

前面的博客中已经写了如何配置虚拟环境Anaconda安装教程以及pytorch虚拟环境搭建

2.PyTorch官网查看下载链接

点击 PyTorch官网https://pytorch.org/get-started/locally/

在这里，可以选择CPU和CUDA版本的Conda和Pip下载指令，推荐选择低于本机CUDA版本1-2版本的，比如作者12.2版本的CUDA下载了11.8版本。

下载指令CPU版本

pip3 install torch torchvision torchaudio

下载指令GPU版本

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

修改pip3指令最后cu113为cu118即可下载，11.8版本的cuda。

3.查看安装完成

pip3 list

可以看到torch已经安装，后面我们在Pycharm里面看一下，是否可以导入。

import torch
print(torch.cuda.is_available())
#返回True即认为torch可以使用GPU

总结

提示：这里对文章进行总结：

例如：以上就是今天要讲的内容，安装完了GPU版本的Torch包，我们可以在后面的博客中，再看下cuDNN的安装和必要性。

如果觉得有帮助的话，给杰崽点个赞！