Python安装Pytorch-GPU

选择Pytorch版本(重要)
验证pytorch安装是否成功
安装遇到的问题
参考
TOC

本文主要介绍windows下基于Miniconda下的GPU版本的Pytorch安装过程以及安装过程中遇到的问题,本文假设系统下已经成功安装了CUDA和Cudnn,如果未成功安装，请移步另一文章[windows11安装CUDA、Cudann](https://www.cnblogs.com/tingstone/p/16975761.html。

注：本文默认基于已经创建好的conda虚拟环境进行安装，所有命令操作均在对应虚拟环境下执行

选择Pytorch版本(重要)

基于已经安装的CUDA和Cudnn，本人电脑安装的CUDA是11.4版本、虚拟环境中python是3.8.15版本的，因此先去Pytorch官网查看对应Pytorch的GPU版本，具体如下图：

  • 标号1可以看到当前版本没有支持CUDA为11.4版本的相关命令
  • 点击标号2查看历史版本中支持CUDA为11.4的相关命令，跳转到下图

    • 确定安装版本标号1
    • 标号2为支持安装的系统
    • 标号3为相应的安装命令(CUDA是相下兼容的)
  • 复制标号3中命令，在虚拟环境中进行安装即可
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

验证pytorch安装是否成功

在虚拟环境下，进入python环境，输入以下代码依次验证：

>>> import torch
# 查看torch版本
>>> torch.__version__
>>> import torchvision
# 查看torchvision版本
>>> torchvision.__version__
# 查看gpu是否可用
>>> torch.cuda.is_available()
# 查看gpu是个数
>>> torch.cuda.device_count()
# 查看当前gpu
>>> torch.cuda.current_device()
# 查看gpu设备名称
>>> torch.cuda.get_device_name(0)

输出结果如下图则表示安装成功：

安装遇到的问题

  1. 如果安装的GPU版本Pytorch版本与系统中安装的CUDA版本不一致(我系统安装的CUDA 11.4,而命令是安装的CUDA 11.6版本)，则通过命令进行安装时，会安装大量的NVIDIA的关于CUDA的包，而且包的大小会比较大，具体如下图(可以作为参考)：

参考





posted @ 2022-12-12 13:09  tinstone  阅读(773)  评论(0)  编辑  收藏  举报