初次安装Pytorch过程

第一次安装Pytorch,刚开始安装的时候装错了CUDA的版本号

这里最高支持12.2.138, 但是我装了一个12.2.140的CUDA,导致不兼容我在测试时发现

cpp 复制代码
import torch

# if torch.cuda.is_available():
#     print("GPU可用")
# else:
#     print("GPU不可用")


# current_device = torch.cuda.current_device()
# device_name = torch.cuda.get_device_name(current_device)
# print(f"当前GPU设备索引: {current_device}")
# print(f"当前GPU设备名称: {device_name}")

print("PyTorch版本:", torch.__version__)
print(torch.cuda.is_available())

# print("PyTorch版本:", torch.__version__)

# # 创建一个简单的张量
# x = torch.tensor([1.0, 2.0, 3.0])
# print("张量x:", x)

输出是False(GPU不可用),后来检查中发现是CUDA版本不兼容,所以我又把之前的pytorch全部卸载了,又重新装的低版本的CUDA,然后再装pytorch,最后成功了,显示True(GPU可用),写这篇博客的意义在于记录一下安装Pytorch的过程,避免以后遗忘。

过程:

1.首先在命令行窗口中,输入

csharp 复制代码
python --version

查看自己的python版本

2.

安装PyTorch通常涉及选择正确的PyTorch版本以及安装适合您的操作系统和硬件配置的PyTorch版本。以下是在常见操作系统上安装PyTorch的一般步骤:

注意:PyTorch的安装方式和要求可能会随时间和版本的变化而有所不同。确保在安装之前查看PyTorch官方网站以获取最新的安装说明和要求。

使用pip安装PyTorch(CPU版本)

如果您只想在CPU上使用PyTorch,可以使用pip来安装它。以下是一般步骤:

1.打开命令行或终端窗口。

2.在终端中输入以下命令:

cpp 复制代码
pip install torch

这将安装最新版本的PyTorch(CPU版本)。

使用conda安装PyTorch(CPU版本)

如果您使用Anaconda或Miniconda作为Python环境管理器,可以使用conda来安装PyTorch。以下是一般步骤:

1.打开命令行或终端窗口。

2.创建一个新的conda环境(可选,但推荐):

cpp 复制代码
conda create -n myenv python=3.8  # 创建一个名为myenv的Python 3.8环境
conda activate myenv  # 激活新环境

3.安装PyTorch(CPU版本):

cpp 复制代码
conda install pytorch torchvision torchaudio cpuonly -c pytorch

使用pip安装PyTorch(GPU版本)

如果您要在支持CUDA的GPU上使用PyTorch,可以使用pip来安装PyTorch GPU版本。首先,确保您的系统上已经安装了NVIDIA驱动和CUDA工具包。

1.打开命令行或终端窗口。

2.在终端中输入以下命令:

cpp 复制代码
pip install torch torchvision torchaudio

这将安装最新版本的PyTorch(GPU版本),如果您的GPU和CUDA版本与PyTorch兼容的话。

使用conda安装PyTorch(GPU版本)

如果您使用Anaconda或Miniconda,并且要在支持CUDA的GPU上使用PyTorch,可以使用conda来安装PyTorch。同样,请确保您的系统上已经安装了NVIDIA驱动和CUDA工具包。

1.打开命令行或终端窗口。

2.创建一个新的conda环境(可选,但推荐):

cpp 复制代码
conda create -n myenv python=3.8  # 创建一个名为myenv的Python 3.8环境
conda activate myenv  # 激活新环境

3.安装PyTorch(GPU版本):

cpp 复制代码
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

请注意,上述命令中的cudatoolkit版本应与您的CUDA版本匹配。您可以使用nvcc --version命令来查看您的CUDA版本。

安装完成后,您可以在Python环境中导入PyTorch并开始使用它。记得查看官方文档以获取更多信息和示例代码。


以上是安装Pytorch的过程,但是在此之前我们需要先安装CUDA,具体操作可以参考👉安装CUDA这篇文章。
CUDA下载网站

进去之后点这里

下载旧版本的CUDA(一般不要下载最新版,因为会有版本不兼容的问题)

这里我下的是11.8.0

后续的步骤就可以参考👉安装CUDA这篇文章。

ps:当前最新的cudatoolkit为11.8.0,查询网站👉cudatoolkit

下完CUDA后就需要下载Pytorch了,下载网站👉Pytorch下载网站

切记:下载pytorch的版本要参考着CUDA来下载,否则会导致二者不兼容。

下面是我下载pytorch的配置:

因为我的CUDA就是11.8.0的,所以我选择了CUDA 11.8这个选项。

之后复制他的command,去vscode的虚拟环境里下载(命令行窗口应该可以,但是一定也要开启虚拟环境),具体开启虚拟环境的步骤

cpp 复制代码
conda activate myenv	(激活虚拟环境)
conda init powershell	(初始化powershell环境)

一般只需要运行第一行的代码即可开启虚拟环境

开启虚拟环境后前方会出现(myenv)的字样

例如:

这就代表着已经成功开启虚拟环境了,然后再在虚拟环境里用刚才复制的command代码来下载Pytorch,例如:

然后耐心等待下载完成即可。

要检查是否成功安装了PyTorch,您可以打开Python解释器(在命令行或终端中运行python命令)并尝试导入PyTorch。如果没有出现导入错误,那么您已成功安装PyTorch。

以下是一些示例代码,演示如何检查PyTorch的安装:

python 复制代码
import torch

# 检查PyTorch版本
print("PyTorch版本:", torch.__version__)

# 创建一个简单的张量
x = torch.tensor([1.0, 2.0, 3.0])
print("张量x:", x)

如果您在运行这些代码时没有看到任何错误,并且能够成功导入PyTorch并创建张量,那么您的PyTorch安装就是成功的。

另外,您还可以运行以下命令来检查PyTorch是否已安装以及其版本:

cpp 复制代码
python -c "import torch; print(torch.__version__)"

这将在命令行中输出PyTorch的版本号。如果成功显示版本号而没有导入错误,那么PyTorch已经成功安装并可用。

如果您在安装或导入PyTorch时遇到任何错误,可能需要检查安装过程中是否出现问题或根据错误消息解决问题。确保遵循官方文档和安装说明以确保正确的安装。

还可以通过运行代码

python 复制代码
import torch

# if torch.cuda.is_available():
#     print("GPU可用")
# else:
#     print("GPU不可用")


current_device = torch.cuda.current_device()
device_name = torch.cuda.get_device_name(current_device)
print(f"当前GPU设备索引: {current_device}")
print(f"当前GPU设备名称: {device_name}")

print("PyTorch版本:", torch.__version__)
print(torch.cuda.is_available())

# print("PyTorch版本:", torch.__version__)

# # 创建一个简单的张量
# x = torch.tensor([1.0, 2.0, 3.0])
# print("张量x:", x)

来判断CUDA是否可以正常使用,如果输出

则代表你已经成功安装Pytorch和与之相匹配的CUDA了!

最后贴几个对我帮助很大的博客以及网站:
超详细GPU部署 (pytorch+tensorflow)博客
安装CUDA博客
pytorch 下载安装全流程详细教程
超链接下载地址(没用到)
CUDA 11.8.0下载地址
Pytorch下载地址

检查当前已安装的CUDA版本

查看电脑可以安装的CUDA最高版本,即你所安装的CUDA只能≤12.2.138(每人情况不同)

相关推荐
阡之尘埃2 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
丕羽5 小时前
【Pytorch】基本语法
人工智能·pytorch·python
bryant_meng5 小时前
【python】Distribution
开发语言·python·分布函数·常用分布
m0_594526306 小时前
Python批量合并多个PDF
java·python·pdf
工业互联网专业7 小时前
Python毕业设计选题:基于Hadoop的租房数据分析系统的设计与实现
vue.js·hadoop·python·flask·毕业设计·源码·课程设计
钱钱钱端7 小时前
【压力测试】如何确定系统最大并发用户数?
自动化测试·软件测试·python·职场和发展·压力测试·postman
慕卿扬7 小时前
基于python的机器学习(二)—— 使用Scikit-learn库
笔记·python·学习·机器学习·scikit-learn
Json____7 小时前
python的安装环境Miniconda(Conda 命令管理依赖配置)
开发语言·python·conda·miniconda
小袁在上班7 小时前
Python 单元测试中的 Mocking 与 Stubbing:提高测试效率的关键技术
python·单元测试·log4j
白狐欧莱雅7 小时前
使用python中的pygame简单实现飞机大战游戏
经验分享·python·游戏·pygame