【PyTorch】2024保姆级安装教程-Python-（CPU+GPU详细完备版）-

一、准备工作

• pytorch须要python3.6及以上的python版本
  
• 我是利用Anaconda来管理我的python。可自行安装Anaconda。
  
• Anaconda官网 Free Download | Anaconda
  
• 详细Anaconda安装教程可参考
         https://blog.csdn.net/weixin_43412762/article/details/129599741?fromshare=blogdetail&sharetype=blogdetail&sharerId=129599741&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link
  

二、pytorch先容

安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。

• CPU版本安装：
  CPU 版本实用于没有 GPU 或不须要利用 GPU 举行深度学习的情况。安装过程相对简单，由于没有依赖 GPU 驱动和 CUDA 的要求。
  
• GPU版本安装：
  假如你的盘算机上有 NVIDIA GPU，而且你盼望加速深度学习盘算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。
  

三、CPU版本pytorch安装

为了更好的管理差异项目的Python项目，通常发起创建一个假造情况。可以隔离差异项目的依赖项，制止项目之间的辩说。
1、创建假造情况

安装好Anaconda后会有这些步伐

输入以下指令可查察当前的假造情况

1. conda env list

复制代码

利用 conda create 指令创建新的假造情况

1. conda create –n 虚拟环境名字(自己设置) python=版本

复制代码

演示如下

输入y，等候安装

2、路径处理处罚

假如安装后的假造情况没在 annconda3\enxs 的目次下，通常是以下几个缘故原由导致的（以我的目次为例）：

• 没有写入权限：假如当前用户对 C:\ProgramData\anaconda3\envs 目次没有写入权限，Conda 会选择利用用户本地目（C:\Users\Xzwzh\.conda\envs）来存放情况。
  
• 用户情况设置：Conda 的设置文件 .condarc 中可以设置 envs_dirs，用于指定情况的默认存放位置。假如设置了用户本地目次，那么新建的情况会存放在那边。
  
• 情况隔离：在某些情况下，用户大概会故意选择将情况安装在用户目次下，以便差异用户利用各自的情况，制止对全局安装目次的修改。
  

假如盼望将情况放在anaconda3\envs 目次下，可以在创建情况时表现指定 --prefix 参数。
比方：
以管理员权限运行下令提示符，留意，下面的下令要以管理员身份运行，否则报错

1. conda create --prefix C:\ProgramData\anaconda3\envs\pytorch_env python=3.8

复制代码

也可以修改 .condarc 文件，将 envs_dirs 添加或修改为默认全局路径：

1. envs_dirs:
2.   - C:\ProgramData\anaconda3\envs

复制代码

然后重新创建情况即可。
3、删除假造情况

通过情况名称删除

1. conda remove --name 环境名称 --all

复制代码

通过情况路径删除

1. conda remove --prefix 路径 --all

复制代码

4、设置镜像源

根据上述利用，以如下的情况列表为例（假造情况已经创建好）：

由于安装指令都是从国外的通道下载，下载速率会非常慢。以是我们可以用国内的镜像所在下载pytorch

1. conda config --show

复制代码

输入上述指令可以查察我们的通道所在

我的情况中有三个清华的镜像源。假如是之前没用过镜像源，这里只会表现dafaults。

镜像名镜像所在清华源镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch阿里巴巴镜像http://mirrors.aliyun.com/anaconda/pkgs/main淘宝镜像源https://registry.npmmirror.com/这里的淘宝镜像源不保举，由于淘宝npm镜像的旧域名（如npm.taobao.org和registry.npm.taobao.org）已经克制服务，而且HTTPS证书已经逾期，须要利用淘宝最新的镜像源。列表给出的是（2024年9月） 淘宝的最新镜像的所在。

1. conda config --add channels 通道地址

复制代码

输入以上下令可以添加通道所在，添加后输入以下所在也可以查察通道所在（验证是否加上通道）

1. conda config --get

复制代码

假如想删除通道，可实行下面代码

1. conda config --remove channels 通道地址

复制代码

5、安装pytorch

1、起首激活情况变量

1. conda activate 创建的虚拟环境

复制代码

2、进入pytorch官网，找到安装指令
点击Get started 举行如下设置

找到安装代码

1. conda install pytorch torchvision torchaudio cpuonly -c pytorch  //注意，这种就是直接从国外下载了

复制代码

用镜像源安装

1. conda install pytorch torchvision torchaudio cpuonly –c 镜像地址

复制代码

直接复制自己对应的镜像源即可

输入y即可
报错处理处罚：

假如出现如上报错，利用管理员身份举行上述步调即可办理。
出现下图所示，就是安装完成。

6、验证pytorch是否安装乐成

• 在安装pytorch的假造情况下输入conda list 查察是否有pytorch
  

• 在假造情况下运行python并导入torch
  
  
  
  

1. print(torch.__version__)

复制代码

• 输入上述下令，表现PyTorch 的版本号，阐明 PyTorch 已经乐成安装。
  

四、GPU版本pytorch安装

起首和CPU版本安装一样，创建一个假造情况，前面提到，这里不在重复。

1、查察自己电脑的GPU

在任务管理器中可查察GPU

假如没安装显卡驱动，先安装最新的显卡驱动，到官网自行安装即可。
查察驱动版本。win + r ，输入cmd 进入终端，输入指令：

1. nvidia-smi

复制代码

我的 CUDA 驱动版本是 12.1，这表现驱动所支持的最大 CUDA 运行时 API 版本是 12.1。因此，假如要安装 CUDA 运行时版本，就须要确保 CUDA 驱动版本 >= CUDA 运行时版本，也就是说可以安装 12.1 及更早的版本。
2、安装pytorch

直接进入创建的假造情况中输入下令，安装乐成：

1. pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

复制代码

3、验证是否安装乐成

指令：

1. import torchprint(torch.__version__)
2. print(torch.cuda.is_available())

复制代码

• 可以直接进入终端python运行指令查验
  

出现以上界面阐明安装乐成

• 也可以直接在pycharm编辑器中验证。
  

利用GPU情况，末了输出cu121、True，阐明安装乐成
五、增补

1、卸载当前的PyTorch版本

进入所在的假造情况，输入以下指令即可。

1. pip uninstall torch torchvision torchaudio

复制代码

2、失败的安装过程

可以利用conda和pip举行安装，但是我都没安装乐成，这里就不在过多先容，大概是国内的镜像源很多都不能GPU版本的安装。可以参考。严格按照用pip安装应该能乐成，只不外我当时安装指令错了。
   https://blog.csdn.net/weixin_44752340/article/details/130542629?fromshare=blogdetail&sharetype=blogdetail&sharerId=130542629&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link
  末了我直接下载轮子文件(.whl)举行安装。

1. https://download.pytorch.org/whl/torch_stable.html

复制代码

上面这个是pytorch轮子文件的下载链接。根据自己的需求下载。
分别下载相应的torch、torchvision

我下载的是2.2.2版本torch和torchvision，对应的CUDA版本是11.8，python版本是3.8，正如绿色、蓝色框所示。留意背面临应的 win 和 linux。下载过程较长。
下载完后，将两个文件放在假造情况的目次下。然后运行：

1. pip install 轮子文件名（torch-2.2.2+cu118-cp38-cp38-win_amd64.whl）

复制代码

但是我也安装失败了，厥后我又安装的12.1的CUDA，也不可

应该是版本不兼容题目。