win11安装pytorch(GPU±CPU)总结(CPU只装过WIN10)

**

win11安装pytorch(GPU±CPU)总结(CPU只装过WIN10)

**
大部分步骤是相同的,不同的地方我会专门说一下

第一步:开机
咳,开个玩笑,首先给大家介绍一下pip和conda安装(都是在CSDN博客看的,错了轻点打)
请添加图片描述
请添加图片描述
pip和conda是两种安装pytorch的路径(或者方式,就这么叫吧)
pip是在不需要安装anaconda的情况下就可以使用,conda则需要在anaconda prompt里使用。
当然哈,pip也是可以在anaconda prompt里使用。

既然如此,正文开始
**

First of All**(这不得给个满分英语作文)

下一个anaconda
这个怎么下,推荐一篇博客,因为我的电脑已经安装过了,就不再安装给大家截图了。(记得点“博客”两个字哦)

**

Second建立虚拟环境

**
安装好anaconda后,可以去自己的windows界面直接搜,然后打开请添加图片描述
就会出现一个充满了黑客气息的界面:
请添加图片描述
大家注意前面那个(base),这个意思是现在我们处于anaconda的基础环境中,一般情况下,为了方便管理,会建立一些虚拟环境,比如python、pytorch、tensflow、wozuikeai之类的,名字可以自己取,只要记得住就可以了。
那么在这里,我建议可以建立一个pytorch的虚拟环境,怎么建呢?
等我去查查哈
conda create -n pytorch python=3.6
conda create -n (你想要的名字) python=3.6(python=自己的版本)
其实我在建立的时候,只输入了个conda create -n pytorch,这样应该是默认使用自己已有的python版本吧(我猜的,轻点喷)
Ctrl+V之后他要是问你
[y/n]?
你就告诉他,y

啥?你要问我怎么知道自己的python版本?
拿去不谢,可以看到我的版本是3.9(不建议下这么高的版本,一把辛酸泪)
请添加图片描述
可以用这个小命令(conda info -e)进去conda的秘密小屋查看他现在有多少个小金库(查看现有的虚拟环境,带星号那个是现在处于的环境)
请添加图片描述
建好了,我们是不是就要进入她了,emmm,它
暗号为:conda activate pytorch
conda activate (自己取的名字)
请添加图片描述
看前面的小括号,(pytorch)没骗你们吧~
再输入 deactivate ,就可以拔出来,啊不是,退出来到base了。

Third房子建好了,就该引进人才了

GPU版本的安装需要先下载CUDA,咱房子里也得有家具不是,不然怎么勾引 吸引人才,你要是问CUDA是啥玩意,我也说不来,他们都这么装的,我也装了

CPU 的小伙伴不需要装这个,可以跳过了~
请添加图片描述

首先要确定自己的显卡能装的版本,咱不能瞎装不是?
直接上图
请添加图片描述
请添加图片描述

请添加图片描述
诶~可以看到我的是11.4的对吧,后面的161就不管了,这个显卡版本是向下兼容的,就是我们可以下载对应的11.3、11.2版本的CUDA
那说了这么多,到底下哪个版本啊?
结合自己的显卡版本和pytorch官网的信息
见图
请添加图片描述
官网就给了俩选择,那自己选一个喜欢的数字吧~
选好版本就可以去下载了,点这里去下载
还有种说法是还要考虑自己电脑显卡的算力,再去选择CUDA的版本,我个人觉得既然显卡信息里显示了对应的版本,那么说明他的算力是足够的,不用再去想算力的事情了。

安装过程。。。。想不起来了,就和大多数软件一样,可以更改路径,不过不太建议,原因是网上大家都在C盘,你出点啥事要找东西,用了别人的路径,找不到啊

此外还有说法要下载cuDNN,然后复制粘贴几个文件夹,我并没有进行这一步,可以正常使用。但为了防止误导大家,把那篇原文附上,点这里

装好之后,win+R,输入cmd,进入界面,可以用指令nvcc -V查看是否安装成功
请添加图片描述
这是我安装的,没毛病嗷~
之后可以用CUDA安装目录里的一个demo(测试小样)测试能不能正常用
我的文件夹路径为(仅供参考):D:\cuda_11.3.0_465.89_win10\cuda_demo_suite\demo_suite\extras\demo_suite
在这里头选一个哈
请添加图片描述

这里因为我安装在了D盘,所以在D盘,如果没有更改安装路径,可以去C盘试试
在cmd中将上图中的路径 C:\User\yaoyao> 改到我们demo的路径中,方法点这里或者就看我的图片自己来
请添加图片描述
到这里cmd的窗口就可以关掉了~

CPU的小伙伴们看过来了~
请添加图片描述

好了好了,到了关键的地方了

去pytorch官网,选好自己的配置,选好pip还是conda(我用的conda)
CPU的童鞋在那个compute platform选CPU就好了
请添加图片描述
复制红框的内容,在anaconda prompt里进入我们的pytorch环境(conda activate pytorch)
粘贴,然后帅气得按下你的回车,开始下载安装,记得抠y(同意安装)哦

很多同学都在用清华源安装,我之前试了一次,装好了一看,是个cpu版本,整得我又删掉重来,所以我不在这里介绍清华源的链接方法,误人子弟吗不是

怎么查看自己是不是装好了呢?
我想想啊~算了,还是查一下吧
如图:在pytorch环境进入python,然后
import torch
torch.version
torch.cuda.is_available()
torch.version.cuda
请添加图片描述

到这里,咱们的pytorch就装好了~

之后再运行别人的代码的时候,报错没有什么小的环境,记得要在pytorch的虚拟环境中加装哦,别装错地方喽

以上是我的总结,有不对的地方大伙轻点喷,一起学习嘛,

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要在Win11安装PyTorch GPU版本,您需要执行以下步骤: 1. 安装CUDA工具包:访问NVIDIA的官方网站并下载适用于您的GPU的CUDA工具包。安装过程中,请确保选择正确的版本和路径。 2. 安装cuDNN:访问NVIDIA的官方网站并下载适用于您的CUDA版本的cuDNN。将cuDNN文件解压缩到CUDA安装目录的相应文件夹中。 3. 安装Anaconda:访问Anaconda的官方网站并下载适用于您的操作系统的Anaconda安装程序。安装过程中,请确保选择正确的版本和路径。 4. 创建虚拟环境:打开Anaconda Prompt并输入以下命令以创建一个新的虚拟环境: conda create --name myenv python=3.8 5. 激活虚拟环境:输入以下命令以激活新创建的虚拟环境: conda activate myenv 6. 安装PyTorch GPU版本:输入以下命令以安装PyTorch GPU版本: conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch 7. 验证安装:输入以下命令以验证PyTorch是否已成功安装python -c "import torch; print(torch.cuda.is_available())" 如果输出为True,则表示PyTorch GPU版本已成功安装。 希望这些步骤对您有所帮助! ### 回答2: 首先,PyTorchGPU上的使用是非常方便的,提供了GPU版本的安装包,可以提高计算速度。而Windows 11系统相对于Windows 10系统来说,在安装软件方面并没有太大差异,但是在系统的安全和性能上有所提升,更为稳定。因此,安装PyTorch GPU版本在Windows 11系统上可以更好地发挥GPU的性能,提高计算效率。 以下是在Windows 11系统上安装PyTorch GPU版本的步骤: 1. 安装CUDA:首先需要在GPU安装CUDA,可以在NVIDIA官网下载最新版本的CUDA,根据要使用的GPU型号选择对应的驱动程序和CUDA版本,安装好后需要重启电脑。 2. 安装cuDNN:cuDNN是一个用于深度学习GPU加速库,由Nvidia公司开发,可以大幅提高深度学习算法在GPU上的执行速度。在安装完CUDA后,需要在Nvidia开发者网站下载cuDNN库文件,根据CUDA版本选择相应的cuDNN版本并解压缩到CUDA路径下。 3. 安装Anaconda:在官网上下载并安装Anaconda,可以使用conda指令来管理和安装Python项目的依赖库。 4. 创建虚拟环境:在Anaconda中创建一个虚拟环境,可以方便地管理和控制项目的依赖库。 5. 安装PyTorch GPU版本:使用conda指令安装PyTorch GPU版本,可以根据需要选择对应的版本和依赖库版本。 6. 测试:安装完成后,在Python环境中导入PyTorch库并创建一个GPU张量,测试PyTorchGPU上的运行情况。 以上就是在Windows 11系统上安装PyTorch GPU版本的步骤,不仅可以提高深度学习算法的速度,还可以充分发挥GPU的性能,提升计算速度。 ### 回答3: 在安装PyTorch GPU版本之前,必须先确保您的计算机满足PyTorch的基本要求:具有32位或64位操作系统,至少有8GB的RAM和一块可以支持CUDA的NVIDIA显卡。 接下来,您需要安装CUDA toolkit,它是一种用于开发和部署GPU加速应用程序的平台。根据您的显卡型号和操作系统,您可以从NVIDIA官网上下载并安装适当版本的CUDA toolkit。 完成CUDA toolkit的安装后,您还需要安装cuDNN(CUDA Deep Neural Network library),它是一种用于深度学习模型的GPU加速库。您需要在cuDNN官网上注册并下载适合您CUDA版本和操作系统的cuDNN库。 安装完CUDA toolkit和cuDNN后,您可以开始安装PyTorch GPU版本。您可以在PyTorch官网上下载适当版本的whl文件并通过pip install命令安装: pip install torch-1.9.0+cu111-cp39-cp39-win_amd64.whl 注意,在安装PyTorch之前,您需要安装numpy和typing_extensions依赖项。 安装PyTorch完成后,您可以验证您的GPU是否被正确识别并可以被PyTorch使用,可以运行以下代码: import torch print(torch.cuda.is_available()) #True print(torch.cuda.get_device_name(torch.cuda.current_device())) #显卡型号 如果输出结果是True,并且显示了您的显卡型号,则说明您已成功安装并配置了PyTorch GPU版本。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值