【安装教程】Windows10环境下Pytorch(GPU版)的安装与配置

目录

  • Pytorch的概念
  • 安装前要求
  • 一、NVIDIA驱动查看
  • 二、Anaconda的安装
    • [2.1 Anaconda的安装](#2.1 Anaconda的安装)
    • [2.2 创建虚拟环境](#2.2 创建虚拟环境)
    • [2.3 激活虚拟环境](#2.3 激活虚拟环境)
  • [三、CUDA ToolKit的安装(选做,CPU版本可跳过)](#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)](#3.1 CUDA安装包的下载(以CUDA11.6.0为例))
    • [3.2 CUDA的安装](#3.2 CUDA的安装)
    • [3.3 验证CUDA安装是否成功](#3.3 验证CUDA安装是否成功)
  • 四、cuDNN的安装(选做,CPU版本可跳过)
    • [4.1 cuDNN的下载](#4.1 cuDNN的下载)
    • [4.2 复制到CUDA文件夹](#4.2 复制到CUDA文件夹)
  • 五、Pytorch的安装
    • [5.1 执行安装命令](#5.1 执行安装命令)
    • [5.2 安装验证](#5.2 安装验证)
  • 六、安装验证
    • [6.1 创建一个pycharm项目,并且选择虚拟环境作为解释器](#6.1 创建一个pycharm项目,并且选择虚拟环境作为解释器)
    • [6.2 创建一个测试文件](#6.2 创建一个测试文件)

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发。它提供了灵活的张量计算和自动求导功能,适合于研究和生产环境。由于其动态计算图的特性,PyTorch在模型构建和调试上非常方便,受到众多研究人员和开发者的欢迎。PyTorch支持GPU加速,具备丰富的库和工具,例如用于计算机视觉的TorchVision和用于自然语言处理的TorchText。


安装前要求

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

一、NVIDIA驱动查看

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。

命令: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 开发环境


2.2 创建虚拟环境

虚拟环境是一种工具,可以让您在同一台计算机上创建多个独立的Python环境,每个环境可以拥有自己的Python解释器版本、包和依赖项。通过使用虚拟环境,您可以为每个项目创建一个独立的环境,确保项目之间的依赖关系互不干扰,避免包冲突问题。

打开Anaconda Prompt后输入以下命令创建一个名为pytorch的虚拟环境,使用的python版本为3.10

powershell 复制代码
conda create -n pytorch python=3.10

运行到下图步骤时,输入y后按回车

出现下图即表示虚拟环境创建成功


2.3 激活虚拟环境

创建完成后,激活该环境:

powershell 复制代码
conda activate pytorch

激活输入下面命令查看conda环境,发现被激活的环境已经加入conda的虚拟环境

powershell 复制代码
conda info -e

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

选择需要下载的版本,这里以11.6.0为例

按照自己需要选择对应的版本,注意:下载方式分为本地和网络下载,两种均可。


3.2 CUDA的安装

打开下载到电脑的安装包,开始执行安装步骤,这里默认安装到C盘,可以根据个人情况修改安装地址。

安装选项选择精简(推荐),省事,需要自定义的可以选择。


3.3 验证CUDA安装是否成功

执行完所有安装步骤后,打开命令提示符cmd,输入nvcc -V 查看是否安装成功

出现下图表示CUDA Tookit安装成功。


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,专门用于加速深度神经网络的训练和推理。它是建立在 CUDA 之上的,能够利用 NVIDIA GPU 的并行计算能力。

4.1 cuDNN的下载

官网:https://developer.nvidia.com/rdp/cudnn-archive

注意:这个需要注册账号,用邮箱注册即可,填写相关信息。


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,找到需要的命令。

以本机为例,11.6查找11.6对应的conda或pip命令,这里安装。

5.1 执行安装命令

OSX(MAC)

powershell 复制代码
# conda
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 -c pytorch

Linux and Windows

powershell 复制代码
# CUDA 11.6
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
# CUDA 11.7
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
# CPU Only
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cpuonly -c pytorch

5.2 安装验证

进入torch虚拟环境,执行pip show torch

出现下图表示安装成功


六、安装验证

那么,将以上步骤执行完毕后,Pytorch的整体安装基本完成,接下来在Pycharm里测试torch是否可以查到自己的GPU,并且执行torch的简单方法。

6.1 创建一个pycharm项目,并且选择虚拟环境作为解释器

设置->项目->Python解释器->添加解释器->添加本地解释器->Virtualenv环境->选择现有->找到虚拟环境文件夹里的python.exe->自动识别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,并进行一些基础的语法测试。

python 复制代码
import torch

def test_gpu_access():
    # 检查是否有可用的 GPU
    if torch.cuda.is_available():
        device = torch.device("cuda")  # 使用 GPU
        print("GPU is available. Using:", torch.cuda.get_device_name(0))
    else:
        device = torch.device("cpu")  # 使用 CPU
        print("GPU is not available. Using CPU.")

    return device

def basic_tensor_operations(device):
    # 创建一个随机的张量并转移到指定设备
    x = torch.rand(5, 3, device=device)
    y = torch.rand(5, 3, device=device)

    print("Tensor X:", x)
    print("Tensor Y:", y)

    # 张量加法
    z = x + y
    print("Tensor Z (X + Y):", z)

    # 计算张量的均值
    mean_z = z.mean()
    print("Mean of Tensor Z:", mean_z.item())

if __name__ == "__main__":
    device = test_gpu_access()
    basic_tensor_operations(device)

下面运行结果即代表Pytorch安装成功,撒花!!!❀❀❀


相关推荐
UMS攸信技术44 分钟前
汽车电子行业数字化转型的实践与探索——以盈趣汽车电子为例
人工智能·汽车
测试老哥1 小时前
Python+Selenium+Pytest+POM自动化测试框架封装(完整版)
自动化测试·软件测试·python·selenium·测试工具·职场和发展·测试用例
ws2019071 小时前
聚焦汽车智能化与电动化︱AUTO TECH 2025 华南展,以展带会,已全面启动,与您相约11月广州!
大数据·人工智能·汽车
Ws_1 小时前
蓝桥杯 python day01 第一题
开发语言·python·蓝桥杯
神雕大侠mu2 小时前
函数式接口与回调函数实践
开发语言·python
堇舟2 小时前
斯皮尔曼相关(Spearman correlation)系数
人工智能·算法·机器学习
爱写代码的小朋友2 小时前
使用 OpenCV 进行人脸检测
人工智能·opencv·计算机视觉
Cici_ovo3 小时前
摄像头点击器常见问题——摄像头视窗打开慢
人工智能·单片机·嵌入式硬件·物联网·计算机视觉·硬件工程
萧鼎3 小时前
【Python】高效数据处理:使用Dask处理大规模数据
开发语言·python
互联网杂货铺3 小时前
Python测试框架—pytest详解
自动化测试·软件测试·python·测试工具·测试用例·pytest·1024程序员节