当前位置：网站首页 > PyTorch框架 > 正文

Pytorch最全安装教程（一步到位）

PyTorch框架 来源： 网络 编辑：小编 更新时间：2024-11-10 11:27:05 浏览量：63

目录

概述

安装

一、安装Anaconda

二、安装CUDA（也可以不安装）

（一）CUDA概述

（二）安装

三、安装pytorch

（一）CPU版本

（二）GPU版本

概述

PyTorch是一个开源的Python机器学习库，其前身是2002年诞生于纽约大学 的Torch。它是美国Facebook公司使用python语言开发的一个深度学习的框架，2017年1月，Facebook人工智能研究院（FAIR）在GitHub上开源了PyTorch。

特点：


安装

Pytorch的安装看似很简单，但其实bug重重。

以上为简要步骤，下面将介绍详细过程。

一、安装Anaconda

这里直接用清华源镜像进行下载。

网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

按照需要选则自己需要的版本。

1、运行安装包，一路默认路径就ok，但是需要记清楚路径，因为后期还需要进行环境变量配置。

finish后，记得将两个对勾取消。

2、环境变量配置

配置path路径

3、测试是否安装成功

进入cmd，输入语句
conda --version

出现版本号就算成功。

二、安装CUDA（也可以不安装）

CUDA安装与否决定这下载pytorch时的选择。

（一）CUDA概述

2006年，NVIDIA公司发布了CUDA(Compute Unified Device Architecture)，是一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。操作系统的多任务机制可以同时管理CUDA访问GPU和图形程序的运行库，其计算特性支持利用CUDA直观地编写GPU核心程序。

CUDA提供了对其它编程语言的支持，如C/C++，Python，Fortran等语言。只有安装CUDA才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。

CUDA在软件方面组成有：一个CUDA库、一个应用程序编程接口（API）及其运行库(Runtime)、两个较高级别的通用数学库，即CUFFT和CUBLAS。CUDA改进了DRAM的读写灵活性，使得GPU与CPU的机制相吻合。另一方面，CUDA提供了片上（on-chip）共享内存，使得线程之间可以共享数据。应用程序可以利用共享内存来减少DRAM的数据传送，更少的依赖DRAM的内存带宽。

（二）安装

1、NVIDIA下载:

新版本：https://www.nvidia.cn/Download/index.aspx?lang=cn

历史版本：https://www.nvidia.cn/Download/Find.aspx?lang=cn

cmd后输入：

cd C:\Program Files\NVIDIA Corporation\NVSMI\ nvidia-smi.exe 
cd C:\Program Files\NVIDIA Corporation\NVSMI\ C:\Program Files\NVIDIA Corporation\NVSMI>nvidia-smi.exe Sat Mar 20 20:08:16 2021 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 461.72 Driver Version: 461.72 CUDA Version: 11.2 | |-------------------------------+----------------------+----------------------+ | GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 GeForce GTX 108... WDDM | 00000000:1B:00.0 On | N/A | | 0% 31C P8 12W / 280W | 999MiB / 11264MiB | 1% Default | | | | N/A | +-------------------------------+----------------------+----------------------+

2、CUDA下载

在NVIDIA控制面板查看显卡驱动版本，选择合适的CUDA版本进行下载。

根据这张图选择合适的CUDA版本进行下载。

CUDA下载地址（清华镜像源）：CUDA Toolkit 10.1 update1 Archive | NVIDIA Developer

3、安装CUDA

选择“自定义安装”，选择以下四个组件后，点击下一步完成！

如果安装完后没有报错，并且

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

目录路径都存在的话，可进行下一步设置环境变量。

4、配置环境变量（与path同级）

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 CUDA_PATH_V9_1 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 正常情况下上面两个电脑直接生成了 CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1 CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 CUDA_BIN_PATH = %CUDA_PATH%\bin CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

依次填入后，找到path依次点击新建,将 %CUDA_LIB_PATH%；%CUDA_BIN_PATH%；%CUDA_SDK_BIN_PATH%；%CUDA_SDK_LIB_PATH%；填完后如下图，全部安装好后一定要记得重启！。

5、测试CUDA是否安装成功：

进入cuda安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

三、安装pytorch

 1、用conda创建环境来安装不同版本的pytorch，每次都安装删除会很麻烦，可以通过使用conda指令来为不同的版本创建单独的环境。进入cmd后输入指令：

conda create -n pytorch python=3.9.6

---等号后面为python的版本号（如果不知道，可以在cmd中输入python --version进行查看）

安装过程会出现y/n提示，输入y即可。安装的速度与网速有关，如若期间有未安装成功的部分再重新输入语句继续安装即可。

2、安装结束后，可输入以下语句查看自己新安装的环境：

conda info --envs

*所指为当前所处环境

3、进入环境

输入语句：切换不同空间   

activate base

activate pytorch

 注意：此时的cmd界面不要关掉，之后会在此处进行安装pytorch操作

（一）CPU版本

4、下载

 官网地址：https://pytorch.org/

在Get Started界面选择合适的版本，官网会给出相应的语句。

 这里我选择了stable（稳定版），windows操作系统，python语言，cuda版本10.1。

 注意：此时给出的句子后有 -c pytorch，这是从官网下载会比较慢，所以这里更推荐通过清华镜像源进行下载，语句删去 -c pytorch即可。

具体操作如下：

在cmd下执行如下语句

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ conda config --set show_channel_urls yes conda config --set ssl_verify false

在Anaconda安装文件下找到.condarc文件（C:\Users\用户名），修改为如下：

题外话：推荐everything           (http://www.voidtools.com/)

 此时回到pytorch空间，执行语句即可：

conda install pytorch torchvision cudatoolkit=10.1

测试是否安装成功：

import torch print(torch.__version__) #显示版本 print("gpu", torch.cuda.is_available()) #False

torch.cuda.is_available()

出现false是因为我们此时安装的是cpu版本的，而非gpu，不要急，我们接着来。

（二）GPU版本

查看自己的python版本（我的是3.9.6）。

torch和torchvision的版本对应（红框内为本次的选择）：

 点击链接：https://download.pytorch.org/whl/torch_stable.html

 变色的文件为下载的文件，可以新建一个文件夹，将下载文件保存在内。

 cmd，进入目录，pip install “文件名”。

输入命令查看。

pip list

检查安装情况。

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

若出现版本号且输出True即为成功！

恢复默认源：conda config --remove-key channels

参考文档：

Win10下借助Anaconda安装pytorch_学而不思则忘，思而不学则die-CSDN博客

GPU版本安装Pytorch教程最新方法 

win10下pytorch和CUDA的安装完整过程_chon机械师的博客-CSDN博客_pytorch和cuda安装

pytorch安装视频

到此这篇Pytorch最全安装教程（一步到位）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！

  • 上一篇： 没有了
  • 下一篇： 手把手教你学会深度学习框架—PyTorch_手把手教你学会深度学习框架—PyTorch

    • 版权声明：

    本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
    如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！


    转载请注明出处，原文链接：https://www.xkablog.com/rgzn-ptkj/2253.html

    # 教程

    相关文章：

  • 手把手教你学会深度学习框架—PyTorch_手把手教你学会深度学习框架—PyTorch2024-11-10 11:27:05
  • 手把手教你学会深度学习框架—PyTorch2024-11-10 11:27:05
  • 谁是深度学习框架一哥？2022年，PyTorch和TensorFlow再争霸2024-11-10 11:27:05
  • 手把手教你学会深度学习框架—PyTorch2024-11-10 11:27:05
  • 谁是深度学习框架一哥？2022年，PyTorch和TensorFlow再争霸2024-11-10 11:27:05
  • 详细介绍PyTorch处理大图框架BigGraph_pytorch框架详解2024-11-10 11:27:05
  • 手把手教你学会深度学习框架—PyTorch2024-11-10 11:27:05
  • 谁是深度学习框架一哥？2022年，PyTorch和TensorFlow再争霸2024-11-10 11:27:05
  • 详细介绍PyTorch处理大图框架BigGraph2024-11-10 11:27:05
  • 清华自研深度学习框架「计图」开源！多项任务性能超过PyTorch_清华大学类脑计算研究院2024-11-10 11:27:05
    • ❮ 全屏图片 ❯