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）