安装gpu版pytorch环境并在pycharm上使用；镜像下载python3.8报错；torch.cuda.is_available()一直为false解决

参考：

【Windows】搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向）

(55条消息) 【Windows】搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向）pytorch环境搭建回音谷的博客-CSDN博客

Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址

(57条消息) Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址conda换源五阿哥爱跳舞的博客-CSDN博客

PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】

PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】哔哩哔哩bilibili

目录

一、安装CUDA

二、安装cuDNN

三、安装Pytorch

1、安装Anaconda

2.在Anaconda中安装python3.8版本

3.切换源地址

(1.若出现如下报错，那么就换个镜像

(2.若报错部分文件找不到路径

4.安装pytorch环境

（1.进入torch官网：PyTorch

(2.复制链接

四、pycharm2023.1使用conda虚拟环境

1.新建步conda虚拟环境的python文件骤如下：

2.检验：

---

一、安装CUDA

1.查看自己的gpu型号

2.查看自己的gpu是否支持cuda，大部分nvidia显卡都支持，百度即可

3.查看自己最高支持的cuda版本，在cmd下执行以下命令

nvidia-smi

此处，支持的最高版本为12.1

4.去官网下载cuda，注意低于自己的最高版本（向下兼容），且pytorch不支持cuda12.x版本，pytorch2.0.0只支持11.7、11.8版本

若版本太低，则去官网更新驱动：官方驱动 | NVIDIA

勾选自己的型号，点击“搜索”下载安装即可

在官网下载cuda并安装

CUDA Toolkit Archive | NVIDIA Developer

这里选择11.7版本：

下载完成后安装：

这个路径不用修改，安装完成后会变

  

选择自定义安装

取消勾选Visual Studio Integration

这个路径最好默认，方便后期管理（注：11.7版本及以后版本没有sample

二、安装cuDNN

cuda与cuDNN关系：

CUDA与cuDNN - 知乎 (zhihu.com)

cuDNN官网：

https://developer.nvidia.com/rdp/cudnn-download

注意选择与刚刚安装的cuda相同的版本，（要先注册账号

我下载的cuda版本为11.7，则选择11.x版本的cuDNN

下载完成后将三个文件，粘贴到cuda的文件目录下

注：找cuda的bin目录可以用如下方法：

在系统环境变量中找到“CUDA_PATH”双击打开“编辑系统变量”对话框，复制变量值，这就是刚刚安装的cuda文件的路径

复制到这里：

三、安装Pytorch

1、安装Anaconda

如果你没有安装Anaconda，则请到Free Download | Anaconda下载安装最新版。 如果下载速度过慢，也可以到清华镜像Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror下载。 安装操作直接按默认的来即可，当然也可以更改安装路径到除C盘以为的盘符。

2.在Anaconda中安装python3.8版本

找到Anaconda Prompt并以管理员身份运行

使用

conda create -n pytorch python=3.8

命令进行安装（如果完成安装则会在anaconda目录下的envs文件下新建pytorch文件，存放导入的包），但是十分缓慢，建议使用镜像或用外网下载。

3.切换源地址

conda config --remove-key channels #清除所有镜像，每次切换镜像时必须执行！！！

切换清华紫光镜像：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

使用

conda create -n pytorch python=3.8

安装

(1.若出现如下报错，那么就换个镜像

可参考博客：(57条消息) Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址conda换源五阿哥爱跳舞的博客-CSDN博客

(2.若报错部分文件找不到路径

解决：科学上网，用外网下载

conda create -n pytorch python=3.8

4.安装pytorch环境

（1.进入torch官网：PyTorch

视自身情况进行下载，package选择conoda，pip都可，cuda版本选择要与刚刚安装的版本对应，若gpu型号不支持cuda或者无gpu则选择cpu版本（注：现在官网显示的是2.0.0版本，cuda只支持11.7和11.8（2023.5.6）

若刚刚下载的cuda版本不为cuda11.7或cuda11.8解决方向如下：

a.下载支持自己cuda版本的pytorch版本

1.点击install previous versions of PyTorch下载1.x版本pytorch，可以根据cuda版本和package进一步选择链接

b.更新gpu驱动到最新

去官网更新驱动：官方驱动 | NVIDIA

并重新安装cuda

可参考博客：(57条消息) windows下CUDA的卸载以及安装cuda怎么卸载hi_1900的博客-CSDN博客

(2.复制链接

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia 

在刚刚打开的Anaconda Prompt中执行：

conda activate pytorch

进入naconda目录下envs目录下pytorch目录

后将链接粘贴到此，回车，静候安装完成

若速度缓慢，建议使用镜像或用外网下载。

安装完成后执行以下代码查看是否正确安装torch，是否支持gpu

python
import torch
torch.cuda.is_available()

此时我遇到了一个问题，torch.cuda.is_available()结果一直为false

torch.cuda.is_available()结果一直为false解决

检测pytorch版本：

执行

conda list

查看pytorch版本

发现为cpu版本，自然不支持gpu

解决：

改为pip下载：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

用同样的方法重新安装，代码如下：

conda create -n pytorch_pip python=3.8
​
conda activate pytorch_pip
​
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

检验：

四、pycharm2023.1使用conda虚拟环境

1.新建步conda虚拟环境的python文件骤如下：

2.检验：