Pytorch-CUDA版本环境配置

Pytorch-CUDA版本环境配置
电脑如果是Windows平台下的Nvidia GPU的用户，需配置Pytorch的CUDA版本，分为三步：

1.安装或更新NVIDA****显卡驱动

官方驱动下载地址： https://www.nvidia.cn/Download/index.aspx?lang=cn

---

2.****安装CUDA Toolkit + cudnn

1**）CUDA安装**

在 CUDA Toolkit 安装前用以下命令查询机器上显卡最高支持的 CUDA 版本：
终端输入：
nvidia-smi
下图中 CUDA Version 是 12.9 。

如果你没有安装 cuda toolkit 或者需要升级，可以去官网下载：
https://developer.nvidia.com/cuda-toolkit-archive

2**）cuDNN安装**

NVIDIA CUDA深度神经网络库 (cuDNN) 是一个 GPU 加速的深度神经网络基元库，能够以高度优化的方式实现标准例程（如前向和反向卷积、池化层、归一化和激活层）。

全球的深度学习研究人员和框架开发者都依赖 cuDNN 来实现高性能 GPU 加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU性能调整。cuDNN 可加速广泛应用的深度学习框架，包括 Caffe2、Keras、MATLAB、

MxNet、PaddlePaddle、PyTorch和 TensorFlow。

下载地址：cuDNN Archive | NVIDIA Developer
（ 1 ）下载并解压文件

（ 2 ）复制内容到 CUDA 安装路径
CUDA安装默认路径：

• Windows：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
• Linux：/usr/local/cuda

3.安装Pytorch

（ 1 ）在线安装
打开 pytorch安装指导网站 ，选择合适的系统平台，关键是在 compute platform 选择一个不高
于你电脑上的 CUDA Version ，复制命令安装。

• pip install torch==版本号
• conda install torch==版本号

使用 conda 安装

conda install python pytorch torchvision torchaudio pytorch-cuda = 11 .7 -c pytorch -c nvidia

使用 pip 安装

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
或者
pip install torch == 2 .0.0 + cu118 torchvision == 0 .15.0 + cu118 torchaudio == 2 .0.1 + cu118 -f https://download.pytorch.org/whl/torch_stable.html

（ 2 ）离线安装

• 离线包下载地址：download.pytorch.org/whl/torch_stable.html
• 安装方式

pip install torch-2.0.1+cu118-cp310-cp310-win_amd64.whl
注意：
1 ） Pytorch 与 torchvision 版本对应问题
Pytorch与torchvision版本配套

如果你的 conda 解决环境很慢，可以试一试 pip 安装。
2 ）使用镜像源

• 使用镜像源：
  • pip install torch -i [镜像源]
  • conda install torch -c [镜像源]
• 常用镜像源
  • 清华源：https://pypi.tuna.tsinghua.edu.cn/simple
  • 豆瓣源：https://pypi.doubanio.com/simple/

3 ）安装验证 。

import torch
# 打印出正在使用的PyTorch和CUDA版本。
print(torch.__version__)
print(torch.version.cuda)
# 测试GPU是否生效
print(torch.cuda.is_available())

（ 3 ）导入 PyToch
导入 PyTorch 并检查正在使用的版本

import torch
torch.__version__
>>> '2.0.1'