超极速安装Pytorch和Torchvision及Conda环境内的Cuda和CuDNN理解

使用官方默认的Pytorch安装方式真的是让人等待，急坏了多少人，真的是太慢了，采用conda换源的方式有的时候也不顶用，仍然很慢，现在采用一种超极速的方式秒装Pytorch系列方式，且在Conda环境内部预装测试Cuda和CuDNN，无需再次安装。

本文以ubuntu系统举例，windows系统操作类似

1.确保已经安装好anaconda环境

创建并启动anaconda环境

conda create -n demo python=3.10 # 可以采用任意python=3.x的版本 demo是环境名称
conda activate demo

2.打开Pytorch官方网站 

点击 Pytorch 进入到页面，进入到先前版本页面

3.确定自己需要安装的版本

例如，这里我在linux-ubuntu系统中，需要安装 pytorch 2.3.1 版本，采用pip安装的方式，确定具体版本号，比如 torch==2.3.1 ，torchvision==0.18.1 ，torchaudio==2.3.1，cuda为11.8

4.手动下载torch,torchvision,torchaudio文件

打开下载网站 文件下载

CTRL+F搜索上述版本例如：cu118/torch-2.3.1

torch ：找到正确的版本和操作系统点击下载

其中

cu118指的是cuda11.8版本

cp310指的是python3.10版本

linux值得是linux系列系统（ubuntu系统）

win值得是windows系统

注意区分windows系统和linux系统，下载需要的

找到 torchvision 0.18.1版本点击下载

找到 torchaudio 2.3.1版本点击下载

如果是计算机视觉任务，可忽略torchaudio步骤下载

将以上文件下载后，进入到文件下载位置，采用pip方式一键快速安装

pip install "torch-2.3.1+cu118-cp310-cp310-linux_86_64.whl"

pip install "torchvision-0.18.1+cu118-cp310-cp310-linux_86_64.whl"

5. 验证安装

极速安装成功！

6.Conda环境内的Cuda和CuDNN 测试

因为我们刚才安装的是 torch-2.3.1+cu118,

此时，pytorch内部已经提供了所需要的Cuda和CuDNN，相关文档已经做过解释

PyTorch 安装中的 CUDA 与 NVIDIA CUDA Toolkit 的区别

一篇文章理清GPU、CUDA、CUDA Toolkit、cuDNN的关系

所以我们无需再次安装，直接测试一下就行。

conda activate demo
python
import torch
torch.version.cuda
torch.backends.cudnn.version()
torch.cuda.is_available()

可以看到，conda虚拟环境内部，pytorch已经提供安装了Cuda 11.8版本和CuDNN 8.7.0版本，并且cuda显示为True，可以成功调用！此时无需再独立安装Cuda和CuDNN，可以直接用于训练。