【PyTorch】2024保姆级安装教程-Python-（CPU+GPU详细完整版）-

一、准备工作

1. pytorch需要python3.6及以上的python版本

2. 我是利用Anaconda来管理我的python。可自行安装Anaconda。

3. Anaconda官网 Free Download | Anaconda

4. 具体Anaconda安装教程可参考

   https://blog.csdn.net/weixin_43412762/article/details/129599741?fromshare=blogdetail&sharetype=blogdetail&sharerId=129599741&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link

二、pytorch介绍

安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。

• CPU版本安装：

  CPU 版本适用于没有 GPU 或不需要使用 GPU 进行深度学习的情况。安装过程相对简单，因为没有依赖 GPU 驱动和 CUDA 的要求。

• GPU版本安装：

  如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。

三、CPU版本pytorch安装

为了更好的管理不同项目的Python项目，通常建议创建一个虚拟环境。可以隔离不同项目的依赖项，避免项目之间的冲突。

1、创建虚拟环境

安装好Anaconda后会有这些程序

输入以下指令可查看当前的虚拟环境

conda env list

利用 conda create 指令创建新的虚拟环境

conda create –n 虚拟环境名字(自己设置) python=版本

演示如下

输入y，等待安装

2、路径处理

如果安装后的虚拟环境没在 annconda3\enxs 的目录下，通常是以下几个原因导致的（以我的目录为例）：

• 没有写入权限：如果当前用户对 C:\ProgramData\anaconda3\envs 目录没有写入权限，Conda 会选择使用用户本地目（C:\Users\Xzwzh\.conda\envs）来存放环境。
• 用户环境配置：Conda 的配置文件 .condarc 中可以设置 envs_dirs，用于指定环境的默认存放位置。如果设置了用户本地目录，那么新建的环境会存放在那里。
• 环境隔离：在某些情况下，用户可能会故意选择将环境安装在用户目录下，以便不同用户使用各自的环境，避免对全局安装目录的修改。

如果希望将环境放在anaconda3\envs 目录下，可以在创建环境时显示指定 --prefix 参数。

例如：

以管理员权限运行命令提示符，注意，下面的命令要以管理员身份运行，否则报错

conda create --prefix C:\ProgramData\anaconda3\envs\pytorch_env python=3.8

也可以修改 .condarc 文件，将 envs_dirs 添加或修改为默认全局路径：

envs_dirs:- C:\ProgramData\anaconda3\envs

然后重新创建环境即可。

3、删除虚拟环境

通过环境名称删除

conda remove --name 环境名称 --all

通过环境路径删除

conda remove --prefix 路径 --all

4、配置镜像源

根据上述操作，以如下的环境列表为例（虚拟环境已经创建好）：

由于安装指令都是从国外的通道下载，下载速度会非常慢。所以我们可以用国内的镜像地址下载pytorch

conda config --show

输入上述指令可以查看我们的通道地址

我的环境中有三个清华的镜像源。如果是之前没用过镜像源，这里只会显示dafaults。

镜像名	镜像地址
清华源镜像	https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
阿里巴巴镜像	http://mirrors.aliyun.com/anaconda/pkgs/main
淘宝镜像源	https://registry.npmmirror.com/

这里的淘宝镜像源不推荐，由于淘宝npm镜像的旧域名（如npm.taobao.org和registry.npm.taobao.org）已经停止服务，并且HTTPS证书已经过期，需要使用淘宝最新的镜像源。列表给出的是（2024年9月） 淘宝的最新镜像的地址。

conda config --add channels 通道地址

输入以上命令可以添加通道地址，添加后输入以下地址也可以查看通道地址（验证是否加上通道）

conda config --get

如果想删除通道，可执行下面代码

conda config --remove channels 通道地址

5、安装pytorch

1、首先激活环境变量

conda activate 创建的虚拟环境

2、进入pytorch官网，找到安装指令

点击Get started 进行如下配置

找到安装代码

conda install pytorch torchvision torchaudio cpuonly -c pytorch  //注意，这种就是直接从国外下载了

用镜像源安装

conda install pytorch torchvision torchaudio cpuonly –c 镜像地址

直接复制自己对应的镜像源即可

输入y即可

报错处理：

如果出现如上报错，使用管理员身份进行上述步骤即可解决。

出现下图所示，就是安装完成。

6、验证pytorch是否安装成功

• 在安装pytorch的虚拟环境下输入conda list 查看是否有pytorch

• 在虚拟环境下运行python并导入torch

  

print(torch.__version__)

• 输入上述命令，显示PyTorch 的版本号，说明 PyTorch 已经成功安装。

四、GPU版本pytorch安装

首先和CPU版本安装一样，创建一个虚拟环境，前面提到，这里不在重复。

1、查看自己电脑的GPU

在任务管理器中可查看GPU

如果没安装显卡驱动，先安装最新的显卡驱动，到官网自行安装即可。

查看驱动版本。win + r ，输入cmd 进入终端，输入指令：

nvidia-smi

我的 CUDA 驱动版本是 12.1，这表示驱动所支持的最大 CUDA 运行时 API 版本是 12.1。因此，如果要安装 CUDA 运行时版本，就需要确保 CUDA 驱动版本 >= CUDA 运行时版本，也就是说可以安装 12.1 及更早的版本。

2、安装pytorch

直接进入创建的虚拟环境中输入命令，安装成功：

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

3、验证是否安装成功

指令：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

• 可以直接进入终端python运行指令检验

出现以上界面说明安装成功

• 也可以直接在pycharm编辑器中验证。

使用GPU环境，最后输出cu121、True，说明安装成功

五、补充

1、卸载当前的PyTorch版本

进入所在的虚拟环境，输入以下指令即可。

pip uninstall torch torchvision torchaudio

2、失败的安装过程

可以利用conda和pip进行安装，但是我都没安装成功，这里就不在过多介绍，可能是国内的镜像源很多都不能GPU版本的安装。可以参考。严格按照用pip安装应该能成功，只不过我当时安装指令错了。

https://blog.csdn.net/weixin_44752340/article/details/130542629?fromshare=blogdetail&sharetype=blogdetail&sharerId=130542629&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link

最后我直接下载轮子文件(.whl)进行安装。

https://download.pytorch.org/whl/torch_stable.html

上面这个是pytorch轮子文件的下载链接。根据自己的需求下载。

分别下载相应的torch、torchvision

我下载的是2.2.2版本torch和torchvision，对应的CUDA版本是11.8，python版本是3.8，正如绿色、蓝色框所示。注意后面对应的 win 和 linux。下载过程较长。

下载完后，将两个文件放在虚拟环境的目录下。然后运行：

pip install 轮子文件名（torch-2.2.2+cu118-cp38-cp38-win_amd64.whl）

但是我也安装失败了，后来我又安装的12.1的CUDA，也不行

应该是版本不兼容问题。