Pytorch安装

1.Anaconda的下载和安装

Anaconda的官网

在官网进行下载，一路next（可以修改安装路径，默认安装在C盘），安装完成后可以在菜单看到新增了一些文件

打开这个Anaconda Prompt应用进入之后是以（base）开头，即说明安装成功。

注：如果想要卸载重新安装，先在安装路径中找到Uninstall-Anaconda3.exe，双击执行进行卸载；然后一定要删除这两个文件：C:\Users\用户名\ .condarc与C:\Users\用户名\ .conda，后面的两个文件一定要删除，否则重新下载安装会缺少大量文件（亲自尝试多次才找到原因），然后再重新安装就没问题了。

2.创建激活pytorch环境

根据安装的python版本安装pytorch版本，win+R，打开cmd控制台，输入python就可以看到python版本（推荐安装3.7或3.8版本的python，比较稳定，安装太高版本的会不适配）

以3.8为例：打开Anaconda Prompt应用输入以下命令创建一个虚拟环境，此处环境名为pytorch

conda create -n pytorch python=3.8

(删除虚拟环境时候使用 conda remove -n pytorch --all)

弹出提示后，输入y开始安装，安装成功后输入以下指令查看已有的虚拟环境

conda info --envs 或者 conda env list

输入以下指令激活环境（进入环境），会发现路径前由base变成了pytorch，说明成功进入pytorch环境

conda activate pytorch

(退出激活后的环境 conda deactivate)

3.安装验证pytorch

pytorch官网

在cmd窗口输入命令nvidia-smi查看自己是否有显卡以及显卡版本号来选择使用CPU/GPU版本

3.1 安装CPU版本

没有独立显卡的使用CPU，在官网根据自己的情况选择，下面会自动生成运行指令，在上述pytorch环境（pytorch开头）中运行生成的指令，即可安装完成。

conda install pytorch torchvision torchaudio cpuonly -c pytorch

3.2 安装GPU版本

如果有显卡会显示显卡的版本号，如图中显卡版本为12.2

CUDA是构筑在显卡驱动之上的工具库（toolkit），cudnn是构筑在cuda之上的深度学习相关的工具库。因此，不管是做graphics（3D渲染等）还是搞深度学习，若要使用显卡都必须安装cuda，但做graphics的可以不安装cudnn，cudnn是根据需要进行安装。

3.2.1 CUDA安装

安装包下载

英伟达CUDA各版本官方下载地址

注意：电脑CUDA的版本号是支持的最高版本号，如12.2版本的目前都可以选择，选择不高于12.2的就可以但也不要太低版本

根据自己的电脑和操作系统选择离线安装包“exe[local]”进行下载

安装操作

找到下载好的文件，双击进行安装

选择临时提取NVIDIA CUDA Tookit安装程序的文件夹

程序安装会进行系统兼容性的检查和许可协议的同意，进而选择安装“精简(E)(推荐)”然后下一步；如果电脑上未安装“Visual Studio”就会提示CUDA Visual Studio集成找不到支持的Visual Studio版本CUDA Tookit的某些组件无法正常工作，先完成该要求（这个要求是看一个博文描述的因满足所以此处未深究）；然后就可以完成安装

验证安装结果

win+R打开cmd命令行，输入命令nvcc -V，如果输入版本信息即安装成功

3.2.2 cuDNN安装

需要与CUDA对应版本，同时进入官网的时候，需要登录账号，因为cuDNN必须登录账号以后才可以下载；进入网站后选择相应的版本进行下载

下载地址

然后解压文件夹，将里面的bin、include和lib目录复制，接着到CUDA安装目录下进行粘贴，具体如图所示：

右键复制三个目录

进入目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2进行粘贴

粘贴完成后即安装结束，前面的安装包可以选择删除了

3.2.3 pytorch安装

在官网选择对应的选项，不高于安装的CUDA版本（此处选择pip，安装比较快）（如果跑论文代码建议不要安装太高版本的pytorch，后期运行会出现版本不适配，建议安装对应cuda版本的低版本pytorch）

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

同样在上述pytorch环境（pytorch开头）中运行生成的指令，即可安装完成。

3.3 pytorch验证

在命令行左边为pytorch环境中，输入python；然后输入import torch，如果没有报错意味着Pytorch安装成功；再输入torch.cuda.is_available()，如果显示True意味着可以使用GPU。

4. pycharm中测试pytorch

在pycharm中打开一个项目后，选择File-Settings-Python Interpreter，在编译器右侧有个设置图标或添加编译器的提示，然后添加conda环境下的编译器（python.exe在envs文件夹下，conda.exe在Scripts文件夹下），记得点击OK。

或者

最后新建一个python文件，写入以下测试代码（提前安装torch包）

import torch
print(torch.__version__)
print(torch.cuda.is_available())

输出torch版本号以及True或者False，如果显示True意味着可以使用GPU。

注意：下面的是base环境下的，上面的是自己创建的pytorch环境下的，选择上面的。

可参考链接 https://blog.csdn.net/salaryresist/article/details/137582327