PyTorch安装配置（windows）

芃晟

已于 2023-06-28 11:53:28 修改

阅读量1k

点赞数 2

分类专栏：深度强化学习文章标签： pytorch windows 人工智能

于 2023-06-28 11:52:27 首次发布

本文链接：https://blog.csdn.net/weixin_41070687/article/details/131433846

版权

深度强化学习专栏收录该内容

11 篇文章 23 订阅

订阅专栏

一、Anaconda安装与配置

Anaconda提供了conda机制用于管理Python数据分析时常用的工具库/包
官网下载最新的（翻墙）：https://repo.anaconda.com/archive/
- 清华大学Anaconda镜像站：https://mirrors4.tuna.tsinghua.edu.cn/help/anaconda/
- Anaconda3对应Python3，Anaconda2对应Python2
安装后配置系统环境变量
- 此电脑 —— 属性 —— 高级系统设置 —— 环境变量
- 在系统变量中选择“Path”，进行编辑，然后选择新建
- 将以下内容加入，anaconda的安装目录是：D:\01_AppSpace\anaconda\install
```
D:\01_AppSpace\anaconda\install
D:\01_AppSpace\anaconda\install\Scripts
D:\01_AppSpace\anaconda\install\Library\mingw-w64\bin
D:\01_AppSpace\anaconda\install\Library\usr\bin
D:\01_AppSpace\anaconda\install\Library\bin
```
- 点击确定退出即可
测试Anaconda是否安装成功。win + r，输入cmd进入终端
- 输入python，确定有无python环境
- 输入conda –version，确定是否有conda环境
  - 如果提示conda不是内部或外部命令，一般是Anaconda的环境变量设置问题

二、CUDA和cuDNN安装配置

安装这两个是为了使用上GPU
CUDA是NVIDIA发明的一种并行计算平台和编程模型，它通过利用图形处理器GPU的处理能力，大幅提升计算性能；cuDNN则是GPU加速使用的深度神经网络原语库，cuDNN为标准例程提供了高度优化的实现，例如向前和向后卷积，池化、规范化和激活层等

2.1 CUDA安装配置

在NVIDIA面板中的系统信息查看电脑支持的cuda（CUDA 12.0.81）
下载CUDA toolkit：https://developer.nvidia.com/cuda-toolkit-archive
安装cuda，建议直接使用默认的安装路径，安装选择自定义
- 第一次安装，尽量全选；第n次安装，尽量只选择第一个，不然会出现错误
- 记住默认安装目录
- 安装完成，重启电脑
- 配置cuda的系统环境变量
  - CUDA_PATH和CUDA_PATH_V12_0是自动生成的，如果没有则要手动添加
- 测试cuda是否安装成功
  - nvcc –V，查看cuda版本号
  - set cuda，查看cuda的环境变量

2.2 cuDNN配置

下载cuDNN：https://developer.nvidia.com/rdp/cudnn-download
- 如果是第一次则需要先进行注册，已经有了账号则直接登录即可
- 选择和CUDA适配的cuDNN版本
cuDNN下载下来是一个压缩包，对其解压，将其中三个文件复制到CUDA的安装目录中
- CUDA的默认安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0
- CUDA 的安装目录中，有和cuDNN解压缩后的同名文件夹，但直接复制即可。cuDNN解压缩后的同名文件夹中的配置文件会添加到CUDA安装目录中的同名文件夹中。这也表明cuDNN其实就是CUDA的一个补丁而已，专为深度学习运算进行优化的。

配置环境变量

此电脑 —— 属性 —— 高级系统设置 —— 环境变量 —— Path —— 编辑 —— 新建

加入以下内容：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp

测试cuDNN是否配置成功
- 主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe
- cd到安装目录：cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\extras\demo_suite
  - 执行：.\bandwidthTest.exe
  - 执行：.\deviceQuery.exe

三、PyTorch安装

打开Anaconda Prompt，创建一个虚拟空间用于pytorch的安装
- 查看系统python版本
- 创建虚拟空间：conda create -n 虚拟空间名称 python=系统python版本号
- 创建过程需要下载安装某些东西，直接输入y确认即可
激活环境：activate pytorch
pytorch官网：https://pytorch.org/get-started/locally/
- 要注意和电脑的CUDA版本对应起来
- 此次安装时CUDA装的12.0版本，在pytorch中没有对应的，但可以选择CUDA 11.8，能够兼容高版本CUDA（https://blog.csdn.net/AiTanXiing/article/details/129933911）
使用conda安装pytorch：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
- 这步需要翻墙才会比较快

测试pytorch是否安装成功

# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

四、PyCharm安装配置

pycharm下载安装：https://www.jetbrains.com/pycharm/download/#section=windows
- 安装community版本即可
配置pycharm
- 创建新项目
  - 设置项目位置
  - 选择previously configured interpreter，再选择Add Interpreter，点击Add Local Interpreter
  - 选择Conda Environment，选择环境
    - 进入anaconda安装目录，选择envs文件夹，选择建立的开发环境的python.exe
  出现问题：
  - 选择Conda Environment后，左下角出现conda executable is not found
  解决方法：
  - 选择base环境下的conda.exe
    - 在anaconda安装目录的scripts下