pytorch_cuda安装

安装pytorch CUDA

安装英伟达的显卡驱动

使用nvidia-smi 测试是否存在显卡驱动

显示如下

上图中的CUDA Version :13.1 代表此电脑最大可以安装的cuda的版本，安装的cuda版本需要小于等于显示的版本

安装pytorch

使用 Previous PyTorch Versions 这个网址进入pytorch，选择相应的版本，需要小于上图显示的版本

可以使用阿里云镜像安装

pytorch-wheels-cu118安装包下载-开源镜像站-阿里云

选择相应的cuda的版本进入

注意匹配的python版本

挑选合适的版本进行下载

需要安装三个东西

torch

torchaudio

torchvision

注意三者的匹配可在官网

https://pytorch.org/get-started/previous-versions/

看到相应的匹配版本，如以下指令

复制代码

conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0  pytorch-cuda=11.8 -c pytorch -c nvidia

代表

复制代码

pytorch==2.5.0 
torchvision==0.20.0 
torchaudio==2.5.0

使用conda的虚拟环境进行安装

激活你的 Conda 虚拟环境 （假设环境名为 torch-env）：

复制代码
conda activate torch-env

然后在已经激活的环境中执行：

复制代码

pip install torch-2.1.2+cu118-cp311-cp311-win_amd64.whl

安装Cuda toolkit

使用CUDA Toolkit Archive | NVIDIA Developer这个网址进入CUDA Tookit网址安装相应的版本,安装的版本应 >= pytorch的版本

建议安装的Cuda Toolkit的版本 =pytorch 的版本,以防出现不知名问题

安装完成后可用nvcc -V显示安装的版本，显示如下

CUDA ToolKit可多版本安装，具体使用请查阅其他资料

验证是否可用

python 复制代码

import torch

# 检查 CUDA 是否可用
print("CUDA 可用吗？", torch.cuda.is_available())  # 输出应为 True

# 查看当前 GPU 设备
print("当前 GPU 设备：", torch.cuda.current_device())

# 查看所有可用 GPU 数量
print("可用 GPU 数量：", torch.cuda.device_count())

# 创建一个张量并移动到 GPU
x = torch.tensor([1.0, 2.0])
x_gpu = x.cuda()  # 或 x.to('cuda')
print("张量是否在 GPU 上？", x_gpu.is_cuda)  # 输出应为 True

# 查看张量所在设备详情
print("张量所在设备：", x_gpu.device)  # 输出类似 'cuda:0

输出如下

cmd 复制代码

CUDA 可用吗？ True
当前 GPU 设备： 0
可用 GPU 数量： 1
张量是否在 GPU 上？ True
张量所在设备： cuda:0