【安装教程】Windows10情况下Pytorch(GPU版)的安装与设置

Pytorch的概念

        PyTorch是一个开源的深度学习框架，由Facebook的人工智能研究团队开辟。它提供了机动的张量盘算和自动求导功能，得当于研究和生产情况。由于其动态盘算图的特性，PyTorch在模子构建和调试上非常方便，受到浩繁研究职员和开辟者的接待。PyTorch支持GPU加快，具备丰富的库和工具，比方用于盘算机视觉的TorchVision和用于天然语言处置处罚的TorchText。

---

安装前要求

• Windows 10电脑
  
• 电脑显卡品牌为英伟达(Nvidia)
  

---

一、NVIDIA驱动检察

        以博主本机为例，显卡为NVIDIA GeForce GTX 1650，最高支持的CUDA版本是12.6。
下令：nvidia-smi

---

二、Anaconda的安装

2.1 Anaconda的安装

具体内容参考这篇博客：安装 Anaconda 3 开辟情况

---

2.2 创建假造情况

        假造情况是一种工具，可以让您在同一台盘算机上创建多个独立的Python情况，每个情况可以拥有本身的Python表明器版本、包和依赖项。通过使用假造情况,您可以为每个项目创建一个独立的情况,确保项目之间的依赖关系互不干扰,制止包辩说标题。

打开Anaconda Prompt后输入以下下令创建一个名为pytorch的假造情况，使用的python版本为3.10

1. conda create -n pytorch python=3.10

复制代码

运行到下图步调时，输入y后按回车

出现下图即表现假造情况创建乐成

---

2.3 激活假造情况

创建完成后，激该死情况：

1. conda activate pytorch

复制代码

激活输入下面下令检察conda情况，发现被激活的情况已经参加conda的假造情况

1. conda info -e

复制代码

---

三、CUDA ToolKit的安装（选做，CPU版本可跳过）

3.1 CUDA安装包的下载（以CUDA11.6.0为例）

        网址：https://developer.nvidia.com/cuda-toolkit-archive
选择须要下载的版本，这里以11.6.0为例

按照本身须要选择对应的版本，留意：下载方式分为当地和网络下载，两种均可。

---

3.2 CUDA的安装

打开下载到电脑的安装包，开始实行安装步调，这里默认安装到C盘，可以根据个情面况修改安装地点。

安装选项选择精简（保举），省事，须要自界说的可以选择。

---

3.3 验证CUDA安装是否乐成

实行完全部安装步调后，打开下令提示符cmd，输入nvcc -V 检察是否安装乐成
出现下图表现CUDA Tookit安装乐成。

---

四、cuDNN的安装（选做，CPU版本可跳过）

        cuDNN（CUDA Deep Neural Network library）是 NVIDIA 提供的一个高性能深度学习库，专门用于加快深度神经网络的练习和推理。它是创建在 CUDA 之上的，可以大概使用 NVIDIA GPU 的并行盘算本领。
4.1 cuDNN的下载

官网：https://developer.nvidia.com/rdp/cudnn-archive
留意：这个须要注册账号，用邮箱注册即可，填写干系信息。

---

4.2 复制到CUDA文件夹

---

五、Pytorch的安装

https://pytorch.org/get-started/previous-versions/，进入官网，找到须要的下令。
以本机为例，11.6查找11.6对应的conda或pip下令，这里安装。
5.1 实行安装下令

OSX（MAC）

1. # conda
2. conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 -c pytorch

复制代码

Linux and Windows

1. # CUDA 11.6
2. conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
3. # CUDA 11.7
4. conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
5. # CPU Only
6. conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cpuonly -c pytorch

复制代码

---

5.2 安装验证

进入torch假造情况，实行pip show torch
出现下图表现安装乐成

---

六、安装验证

        那么，将以上步调实行完毕后，Pytorch的团体安装根本完成，接下来在Pycharm里测试torch是否可以查到本身的GPU，而且实行torch的简朴方法。
6.1 创建一个pycharm项目，而且选择假造情况作为表明器

设置->项目->ython表明器->添加表明器->添加当地表明器->Virtualenv情况->选择现有->找到假造情况文件夹里的python.exe->自动辨认python版本->确定

---

6.2 创建一个测试文件

创建下面文件，用来测试 PyTorch 是否能访问 GPU，并举行一些根本的语法测试。

1. import torch
3. def test_gpu_access():
4.     # 检查是否有可用的 GPU
5.     if torch.cuda.is_available():
6.         device = torch.device("cuda")  # 使用 GPU
7.         print("GPU is available. Using:", torch.cuda.get_device_name(0))
8.     else:
9.         device = torch.device("cpu")  # 使用 CPU
10.         print("GPU is not available. Using CPU.")
12.     return device
14. def basic_tensor_operations(device):
15.     # 创建一个随机的张量并转移到指定设备
16.     x = torch.rand(5, 3, device=device)
17.     y = torch.rand(5, 3, device=device)
19.     print("Tensor X:", x)
20.     print("Tensor Y:", y)
22.     # 张量加法
23.     z = x + y
24.     print("Tensor Z (X + Y):", z)
26.     # 计算张量的均值
27.     mean_z = z.mean()
28.     print("Mean of Tensor Z:", mean_z.item())
30. if __name__ == "__main__":
31.     device = test_gpu_access()
32.     basic_tensor_operations(device)

复制代码

下面运行结果即代表Pytorch安装乐成，撒花！！！❀❀❀

---