PyTorch——安装（有无 NVIDIA 显卡的完整配置方案）

目录

前言

[第一部分：有 NVIDIA 独显 ------ 安装 GPU 版 PyTorch](#第一部分：有 NVIDIA 独显 —— 安装 GPU 版 PyTorch)

[步骤 1：安装 Conda（推荐 Miniconda）](#步骤 1：安装 Conda（推荐 Miniconda）)

[步骤 2：创建并激活 Conda 虚拟环境（推荐）](#步骤 2：创建并激活 Conda 虚拟环境（推荐）)

[步骤 3：通过 Conda 安装 CUDA 工具包](#步骤 3：通过 Conda 安装 CUDA 工具包)

[步骤 4：安装 PyTorch GPU 版](#步骤 4：安装 PyTorch GPU 版)

[步骤 5：验证安装是否成功](#步骤 5：验证安装是否成功)

[第二部分：无 NVIDIA 独显 ------ 安装 CPU 版 PyTorch](#第二部分：无 NVIDIA 独显 —— 安装 CPU 版 PyTorch)

常见问题解答（FAQ）

总结：一键选择你的安装路径

---

前言

在深度学习开发中，PyTorch 是最主流的框架之一。但安装过程常因硬件差异（是否有 NVIDIA 独显）而变得复杂。本文将为你提供两条清晰路径：

• 有 NVIDIA 独显 → 安装 GPU 加速版 PyTorch，利用 CUDA 提升训练速度；
• 无独显（仅 CPU） → 在 PyCharm 中直接安装 CPU 版，简单高效。

无论你是新手还是老手，都能按图索骥，一次成功！

---

前提判断：有 NVIDIA 独立显卡吗？

核心原则：

• 有 NVIDIA 独显 → 使用 Conda + CUDA 方案，获得 GPU 加速；
• 无独显（Intel 核显 / AMD 显卡 / 无显卡） → 直接在 PyCharm 中用 pip 安装 CPU 版。

---

第一部分：有 NVIDIA 独显 ------ 安装 GPU 版 PyTorch

步骤 1：安装 Conda（推荐 Miniconda）

为什么用 Conda？

PyTorch 的 GPU 版本依赖底层 CUDA 和 cuDNN 库，Conda 能自动解决这些复杂依赖，避免手动配置环境变量的麻烦。

Miniconda vs Anaconda ：

如果你已有旧版 Anaconda 或不想安装庞大套件，Miniconda 是更轻量的选择。

Windows 安装 Miniconda

1. 下载 Miniconda 安装包（选 Python 3.x 版本）。

2. 安装时注意：

   • 安装路径 ：选一个你能记住的位置（如 C:\Miniconda3）；
   • 选项 ：勾选 "Add to PATH" 和 "Register as default Python"（即"前两个选项"）；
   • 用户范围 ：选择 "Just Me (recommended)"。

3. 初始化 Conda：

   • 打开 命令提示符 (CMD)；

   • 运行以下命令验证：

     conda --version
     where conda  # 确保指向新安装的 Miniconda 路径

   • 如果 where conda 仍显示旧版 Anaconda 路径，请检查 系统环境变量 Path，确保 Miniconda 路径在旧版之前，或暂时不添加全局 PATH，改用下述方式启动。

4. 手动激活 Miniconda（可选）

   若未添加 PATH，可通过运行安装目录下的脚本来激活：

   C:\你的安装路径\Scripts\activate.bat

---

步骤 2：创建并激活 Conda 虚拟环境（推荐）

# 创建名为 pytorch-gpu 的环境（Python 3.10）
conda create -n pytorch-gpu python=3.10

# 激活环境
conda activate pytorch-gpu

虚拟环境能隔离项目依赖，避免版本冲突。

---

步骤 3：通过 Conda 安装 CUDA 工具包

注意：不要单独从 NVIDIA 官网下载 CUDA Toolkit！

PyTorch 预编译包自带兼容的 CUDA 运行时，Conda 会一并安装 cudatoolkit 和 cudnn。

安装最新版 CUDA（推荐）

conda install cuda -c nvidia

或安装指定版本（如 CUDA 11.8）

# 查看可用版本标签
# 安装 CUDA 11.8 示例
conda install cuda -c nvidia/label/cuda-11.8.0

重要 ：PyTorch 官方通常只支持特定 CUDA 版本。建议先去 PyTorch 官网 查看当前推荐版本。

---

步骤 4：安装 PyTorch GPU 版

使用 Conda 从官方渠道安装（自动匹配 CUDA 版本）：

# 示例：安装支持 CUDA 11.8 的 PyTorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

请根据你安装的 CUDA 版本替换 11.8。

---

步骤 5：验证安装是否成功

a. 验证 NVIDIA 驱动与 CUDA

1. 在 CMD 中运行

   nvidia-smi

   • 能看到显卡型号和驱动版本 → 驱动正常；
   • 注意 ：nvidia-smi 显示的是驱动支持的最高 CUDA 版本，不是已安装的 CUDA 版本。

2. 在 Conda 环境中检查

   conda activate pytorch-gpu
   conda list cuda      # 查看 cudatoolkit
   conda list cudnn     # 查看 cuDNN

b. 在 Python 中验证 PyTorch GPU 支持

import torch

print("PyTorch 版本:", torch.__version__)
print("CUDA 可用:", torch.cuda.is_available())
print("CUDA 版本:", torch.version.cuda)
print("GPU 数量:", torch.cuda.device_count())
if torch.cuda.is_available():
    print("当前 GPU:", torch.cuda.get_device_name(0))

成功标志 ：torch.cuda.is_available() 返回 True。

c. 额外验证 cuDNN（可选）

pip show nvidia-cudnn-cu12  # 如果安装的是 CUDA 12.x

---

第二部分：无 NVIDIA 独显 ------ 安装 CPU 版 PyTorch

如果你使用的是：

• 笔记本 Intel 核显
• AMD 显卡
• 台式机无独立显卡
• 云服务器（无 GPU）

那么 只能使用 CPU 版 PyTorch，但安装极其简单！

在 PyCharm 中直接安装

1. 打开 PyCharm，进入你的项目；

2. 打开 Terminal（终端）；

3. 升级 pip（重要！） ：

   python -m pip install --upgrade pip

4. 安装 PyTorch CPU 版（使用清华镜像加速）：

   pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，在 PyCharm 中即可直接 import torch 使用。

验证 CPU 版安装

import torch
print(torch.__version__)          # 显示版本
print(torch.cuda.is_available())  # 应返回 False
print(torch.device("cpu"))        # 使用 CPU 设备

---

常见问题解答（FAQ）

Q1: 能否在无 NVIDIA 显卡的电脑上安装 GPU 版 PyTorch？

不能！ GPU 版必须有 NVIDIA 显卡和驱动支持，否则会报错或回退到 CPU 模式。

Q2: 为什么推荐用 Conda 而不是 pip 安装 GPU 版？

• pip 安装的 PyTorch wheel 虽包含 CUDA 运行时，但不包含 cuDNN 编译依赖，在某些操作（如卷积）可能出错；
• conda 从 nvidia 频道安装，能确保 cudatoolkit、cudnn、pytorch 版本严格兼容。

Q3: 安装后 torch.cuda.is_available() 为 False 怎么办？

• 检查是否在正确的 Conda 环境中；
• 运行 nvidia-smi 确认驱动正常；
• 确认安装的是 pytorch-cuda=x.x 而非 CPU 版；
• 重启 PyCharm / IDE，确保加载新环境。

---

总结：一键选择你的安装路径

你的设备	安装方式	关键命令
有 NVIDIA 独显	Conda + CUDA	conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
无独显（CPU only）	PyCharm + pip	pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

按照本文操作，无论你是否有独显，都能顺利踏上 PyTorch 深度学习之旅！