Pytorch2.3.1+cu121-GPU速装清清楚楚

最新推荐文章于 2025-04-09 14:59:45 发布

夏铁铁

最新推荐文章于 2025-04-09 14:59:45 发布

阅读量2.1k

点赞数 14

文章标签：深度学习人工智能 pytorch python pip 经验分享

本文链接：https://blog.csdn.net/weixin_44639345/article/details/142690438

版权

Pytorch2.3.1+cu121-GPU速装简单明了
即今江海一归客，他日云霄万里人

第一步

首先检查自己的CUDA版本进入NVIDIA控制面板
在这里插入图片描述
左下角系统信息
组件NVCUDA64显示CUDA12.2.148
接下来我们就可以根据CUDA版本选择torch版本
参考网站
CUDA和torch对应关系看这个: https://dev-discuss.pytorch.org/t/pytorch-release-2-4-1-final-rc-is-available/2422

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

然后命令行显示如下：
在这里插入图片描述

第二步

pip install torch==2.3.1+cu121 torchvision==0.18.1+cu121 torchaudio==2.3.1+cu121 -f https://download.pytorch.org/whl/torch_stable.html

CMD命令行结果如下：
在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

夏铁铁

关注关注

14
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【环境配置】多cuda版本多pytorch版本配置

qq_42363777的博客

06-03

1010

tar cudnn-10.1-linux-x64-v8.0.4.30.tgz #解压。2.安装cudnn版本。注意，这里使用安装到CUDA文件夹的方式。2.注意注释掉 etc/profile中关于CUDA路径的命令。1.使用时，切换不同的CUDA path和对应的环境即可。2.安装cudnn版本。注意，这里按照官方即可。3.安装pytorch 1.12.1。1.下载cudnn的压缩包。3.安装pytorch 2.3。1.安装CUDA11.3。3.拷贝到cuda文件夹。1.安装CUDA12.1。

pip install -r requirements.txt时如何安装torch的cuda版本?来看这篇文章吧

人工智能

05-01

1174

pip install -r requirements.txt时如何安装torch的cuda版本? 如下命令所示，后面添加： -f https://download.pytorch.org/whl/torch_stable.html 即可！这样就能很好的安装我们的torch gpu版本了！

参与评论您还未登录，请先登录后发表或查看评论

本地安装torch2.3.1,cuda12.1,python3.10

m0_53842576的博客

09-29

2270

链接: https://pan.baidu.com/s/1n0ijikRUSaCCyk310J-b9g?pwd=pa3m 提取码: pa3m。卸载之前安装的torch (torch2.2.1+cpu)第一个打印 2.3.1+cu121，第二个打印True。检查是否安装成功，进入python后输入。下载对应的torch版本及相关文件。

安装torch2.6遇到Solving environment: failed with initial frozen solve. Retrying with flexible s

最新发布

qq_52383168的博客

04-09

411

解决安装torch2.6遇到的报错~

使用阿里云镜像本地安装torch的cu121版本示例

qq_58199540的博客

07-25

4296

我的cuda是12.1,用的是python3.10,torch版本根据自己想要的安装，但是torch,torchaudio ,torchvision版本要对应，比如下面cu121对应的是CUDA12.1,cp310-win_amd是对应的windows下的python3.10。下载完成后cd到上述文件的目录,3个文件直接使用pip进行安装，例如。输出应该是2.3.1+cu121，这和自己下载的版本是对应的。从上述网址中找torch的包，比直接从官网安装快很多。3个文件都安装完毕后在终端输入。

国内源安装torch2.1.2+cu121、torch2.3.1+cu121

u013250861的博客

12-23

4758

【代码】离线安装torch2.1.2+cu121。

Torch.geometric==2.3.1中GATConv代码流程解析

qq_45980076的博客

08-26

1012

将边、源节点、宿节点重要性系数相加（相当于完成拼接），并经过负半平面斜率为。的每一维信息，按照对应位置的索引，加到零张量被索引节点对应。根据edge_index(2, edge_num)中的源节点索引，对线性变换后的节点特征索引，得到按。更新节点属性，得到经图注意力层处理后的节点特征。中的源和宿节点索引，对重要性系数索引，得到按。将变换后的节点特征分源节点和宿节点与分别源。，并与边权重系数相乘，得到边的重要性系数。，表示节点作为源和宿节点时的重要性系数。的零张量，将传递的信息，按照宿节点索引。

cpu、gpu版本torch安装

qq_44184866的博客

11-19

3317

cpu版与gpu版torch安装

torch-2.3.1+cu118-cp38-cp38-linux-x86-64.whl

10-28

torch-2.2.1+cu118-cp38-cp38-linux-x86-64.whl

10-25

torch-2.3.0+cu118-cp38-cp38-linux-x86-64.whl

06-24

pip3 install torch-2.3.0+cu118-cp38-cp38-linux_x86_64.whl 更多：https://download.pytorch.org/whl/torch/

torchaudio+torchvision-torch-2.01+cu118-cp38.zip

08-03

这个版本的PyTorch不仅支持GPU加速，而且提供了丰富的优化算法和数据处理工具，使得研究人员和开发者能够在高性能计算平台上快速构建和训练复杂的深度学习模型。 torchaudio是PyTorch生态中的一个扩展库，专注于...

torch_scatter-2.1.2+pt21cu121-cp310-cp310-win_amd64.whl.zip

02-19

需要配和指定版本torch-2.1.0+cu121使用，请在安装该模块前提前安装官方命令安装torch-2.1.0+cu121对应cuda12.1和cudnn，注意电脑需要有nvidia显卡才行，支持GTX920以后显卡，比如RTX20 RTX30 RTX40系列显卡

pytorch GPU版本安装（亲测）

sslfk的博客

11-14

7718

pytorch gpu版本安装

基于CUDA12.1+CUDNN8.9+PYTORCH2.3.1,实现自定义数据集训练

yantuguiguziPGJ的博客

08-04

1447

yolo命令行CL需要将虚拟环境的yolo程序加入系统路径。遇到conda install 失效问题，重建新的虚拟环境，再进行安装。 whl可以下载好后再安装。

torch、torchvision、torchaudio安装对应cuda版本（cuda 12.1情况下）

qq_61661957的博客

07-03

1万+

如果安装cuda 11.8版本的，把最后的cu121改成cu118即可。目前支持最高cuda 12.2。因为网上 pip install torch 等全部默认安装cpu版本，推理速度慢。所有安装cuda版本的包会更快。

从零开始安装pytorch（包含GPU和CPU版本的安装）

热门推荐

qiaoxinyu1989的博客

01-31

7万+

Pytorch是。

【youcans的深度学习 02】PyTorch CPU版本安装与环境配置

youcans的博客

03-03

4523

本节详细讲解 PyTorch CPU 版本安装与环境配置欢迎关注『youcans的深度学习』系列，持续更新中…

疑难问题（一）——PyTorch 2.3.0 ‘import torch‘ 错误 Error loading“xxx\site-packages\torch\lib\shm.dll“

weixin_36507907的博客

06-04

3203

导入torch失败，提示OSError：无法加载’shm.dll’或其依赖项。

已经安装了pytorch2.4.0+cu121，但前面安装过pytorch2.6.0+cpu，现在想执行程序用pytorch2.4.0+cu121，但程序还是默认调用执行pytorch2.6.0+cpu的版本

03-28

<think>嗯，用户遇到了PyTorch版本冲突的问题，需要让程序使用指定的2.4.0+cu121版本而不是默认的2.6.0+cpu。首先，我得想清楚用户的环境是什么样的。可能他们安装了多个版本的PyTorch，可能是通过pip或者conda安装的，导致系统默认加载了错误的版本。常见的解决方法包括虚拟环境隔离、修改环境变量、或者直接指定安装路径。首先，虚拟环境应该是个好办法。用conda或者venv创建一个独立的环境，安装所需的版本，这样就不会和其他项目冲突。用户可能已经安装了多个版本，但没使用虚拟环境，导致路径混乱。需要指导他们创建新环境，并安装正确的版本。比如，使用conda create -n pytorch_2.4.0 python=3.x，然后pip安装指定版本的PyTorch，以及对应的torchvision和torchaudio，注意兼容性。引用中的链接可能需要用户去下载对应的whl文件，或者直接从官网提供的命令安装。其次，如果用户不想用虚拟环境，可能需要调整导入顺序或者修改sys.path。不过这种方法不太可靠，容易出错。或者在代码里检查版本，确保加载正确。比如在代码开头加入import torch; print(torch.__version__)，如果输出版本不对，可能需要检查安装路径。另外，用户可能安装了CPU版本的PyTorch，而需要的是CUDA版本。这时候需要卸载现有的，安装正确的版本。但如果有多个版本共存，卸载可能不彻底。所以使用虚拟环境更安全。还要注意依赖库的版本兼容性，比如torchvision和torchaudio是否需要对应版本。引用中提到安装后出现不兼容，需要重新安装这些库。所以步骤应该是先安装PyTorch，再安装对应的vision和audio。环境变量方面，设置CUDA_VISIBLE_DEVICES可能帮助，但主要还是确保PyTorch版本正确。另外，LD_LIBRARY_PATH需要正确指向CUDA的库，但用户可能已经配置好了，所以重点在PyTorch版本选择。最后，验证是否成功，需要运行检查CUDA是否可用，以及版本号。用户可能需要检查这些步骤是否都正确执行，如果没有，可能需要排查路径问题或者安装错误。</think>### PyTorch版本冲突解决方案按照以下步骤操作可强制程序使用PyTorch 2.4.0+cu121版本： #### 1. 创建独立虚拟环境（推荐） ```bash conda create -n pytorch_2.4.0 python=3.9 # 创建隔离环境 conda activate pytorch_2.4.0 pip install torch==2.4.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0+cu121 --extra-index-url https://download.pytorch.org/whl/cu121 ``` *说明*：虚拟环境可完全隔离不同项目依赖，避免全局版本冲突[^3] #### 2. 若必须使用全局环境 ```bash pip uninstall torch torchvision torchaudio # 先卸载现有版本 pip install torch==2.4.0+cu121 --force-reinstall # 强制安装指定版本 ``` *注意*：需同时处理依赖项，如与torchvision、torchaudio的版本兼容性 #### 3. 验证安装结果 ```python import torch print(torch.__version__) # 应输出2.4.0+cu121 print(torch.cuda.is_available()) # 应返回True ``` #### 4. 运行时强制校验（可选） ```python assert torch.__version__ == "2.4.0+cu121", "PyTorch版本不符合要求" assert torch.cuda.is_available(), "CUDA不可用" ``` ### 版本管理建议 1. 使用`requirements.txt`明确版本约束： ```text torch==2.4.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0+cu121 ``` 2. 优先通过官方渠道安装： ```bash pip install --pre torch --extra-index-url https://download.pytorch.org/whl/test/cu121 ```