深度学习：CUDA、PyTorch下载安装

一、安装准备

对计算机而言，中央处理器 CPU 是主板上的芯片，图形处理器 GPU 是显卡上的芯片。每台计算机必有主板，但少数计算机可能没有显卡。显卡可以用来加速深度学习的运算速度（GPU 比 CPU 快 10-100 倍）。

目前显卡有三家厂商：Intel、Nvidia、AMD。深度学习所需要的显卡是 NVIDIA，没有此显卡的电脑无法进行 GPU 加速。查看自己的计算机的显卡的方法是：任****务管理器------性能------左侧栏划到最下面。

NVIDIA 显卡中的运算平台是 CUDA，不过，即使您的计算机有 NVIDIA 显卡，但您的显卡中也不一定含有 CUDA，没有的话就要下载 CUDA。而 PyTorch 的下载组件里也会包含一个内置的 cuda。

为了区分，显卡内的 CUDA 用大写，PyTorch 内置的 cuda 用小写。

一般来讲，要满足：CUDA 版本≥cuda 版本。

查看 CUDA 版本的方法是：Win+R 后输入 cmd，进入命令提示符，我们需要输入 nvcc -V，如图。

如果显示"nvcc -V不是内部或外部命令"，则说明需要安装CUDA。

后面我们将安装 torch 2.4.0 版本，其可选的内置 cuda 版本是 12.1。因此，如果您显卡里的 CUDA 低于了 12.1，需要进行升级。

二、安装CUDA

2.1 查看本机支持的 CUDA 版本及相关信息

Win+R 后输入 cmd，进入命令提示符，输入：

bash 复制代码

nvidia-smi

这是本机支持的最高版本的CUDA（有图不代表电脑有CUDA，查看有无CUDA命令：nvcc -V ），它是可以向下兼容的。电脑支持的最高版本的CUDA是由显卡驱动决定的，如果您想下载高版本的CUDA要更新显卡驱动，显卡驱动如何更新与本文无关，这里不赘述，可以自行查找相关教程。一般我们不需要安装最高版本，而是通过结合 pytoch 版本来选择。读者可以结合本教程自行选择所需版本，不必与我完全一样。

2.2 卸载CUDA(可选)

如果您已有CUDA却想更新，可以在控制面板 或设置-应用中卸载含 CUDA 字样的程序。

这里你们有什么卸载什么即可。

进入到环境变量的 path 变量中，删除旧版本的环境变量
同样是带 CUDA 字样

我这里检查了一下并没有，应该是卸载程序的时候系统自动帮我们删掉了，如果有请手动删除。

进入 CUDA 目录，删除残留旧版本文件
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

2.3 下载cuda安装包

CUDA 的下载链接：https://developer.nvidia.com/cuda-toolkit-archive，我这里下载的是最新的 CUDA 13.0.0 版本，也是我电脑显卡驱动所支持的最高版本。

点击进入，选择平台、系统版本等。

2.4 安装

下载好之后，点击exe文件，同意并继续

同意并继续后，点击"自定义"。

接下来，有的人可能有其他大选项，仅选择CUDA，并取消 CUDA 中关于 VS 的选项。

完成后，按照默认的C盘路径进行安装即可（推荐）。

我已经有CUDA了,便不再安装。

2.5 配置环境变量

如果你是按照默认路径的话，其路径应该是：

bash 复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.0\bin

如果缺少则添加。

最后，回头检查一下 CUDA 版本，Win+R 后输入 cmd，进入命令提示符，输入 nvcc -V。

三、安装PyTorch

3.1 版本选择

PyTorch 一分为三：torch、torchvision 与 torchaudio。这三个库中，torch 有 2G 左右，而torchvision 和 torchaudio 只有 2M 左右，因此一般在代码里只会 import torch。当 torch 的版本给定后，另外两个附件的版本也唯一确定了。

我的环境是python 3.9，下载的PyTorch版本为：

进入 PyTorch 官网：https://pytorch.org/get-started/previous-versions/，在其中 Ctrl + F 搜索【 pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0】，选择cuda 12.1 版本的，如图，请注意，这里使用 pip 安装，而不是 conda 安装（如果用 conda 安装，最后检验 cuda 时是不可用的）。

如果自己有所需版本，一定要cuda<CUDA。

3.2 下载安装

方法一：直接安装（不建议，网差的话会死机）

复制网页里的那段代码，在库支持的环境中运行安装。

bash 复制代码

pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu121

方法二：先下轮子再安装（推荐）

首先，我们进入方法一提及的网站 https://download.pytorch.org/whl/，如图所示，进入torch、torchvision、torchaudio 三大组件各自的网站。

我们在这三个组件各自的网站里 Ctrl + F 搜索，如图所示。回忆方法一的安装命令，第一库是

bash 复制代码

torch-2.4.0+cu121

第二个库是

bash 复制代码

torchvision-0.19.0+cu121

第三个库是

bash 复制代码

torchaudio-2.4.0+cu121

后面的cpXX代表python版本，大家选择对应版本对应系统下载。

下载好后，将三个 whl 文件放在新建的 D:\whl 文件夹中。

安装命令为 pip install 路径\轮子名.whl，即

bash 复制代码

pip install D:\whl\torch-2.4.0+cu121-cp39-cp39-win_amd64.whl
pip install D:\whl\torchvision-0.19.0+cu121-cp39-cp39-win_amd64.whl
pip install D:\whl\torchaudio-2.4.0+cu121-cp39-cp39-win_amd64.whl

将上述代码放在 python 3.9 环境下执行。安装完毕后，即可删除 D:\whl 文件夹（但建议留着，之后可能还要安装）。

四、检验

4.1 方法一：查看当前环境的所有库

cmd 进入命令提示符，在下载的python环境中输入 pip list

4.2 方法二：进入 Python 解释器检验

python 复制代码

import torch
torch.cuda.is_available() # 查看pytorch是否支持CUDA
torch.cuda.device_count() # 查看可用的CUDA数量
torch.version.cuda # 查看对应CUDA的版本号