全网最详细的安装pytorch GPU方法，一次安装成功！！包括安装失败后的处理方法！ -- 知识铺

文章目录

• 前提—查看是否有NVIDIA英伟达显卡【笑哭】

• 一、查看电脑的显卡驱动版本

• 方法一：在cmd命令窗口中输入nvidia-smi，可以发现版本为12.2

• 方法二：点击NVIDIA控制面板→系统信息

• 二、安装CUDA

• 方法一： 在pytorch官网https://pytorch.org/，直接复制命令进行安装

• 方法二：从官网下载对应版本的CUDA版本

• 三、安装cuDNN，需要注册（可安装可不安装，因为cuDNN就是个加速器）

• 四、pytorch-GPU

• 4.1 新建虚拟环境（推荐）

• 4.2 在官网下载pytorch

• 五、测试pytorch GPU是否可用

• 六、补充（针对安装失败的情况）

• 6.1 去conda清华源找到对应的pytorch、torchvision、torchaudio的版本，我的版本如下：

• 6.2 在对应的虚拟环境下安装这三个包

• 总结

前提—查看是否有NVIDIA英伟达显卡【笑哭】

在开始之前，请确保您的计算机配备了一块NVIDIA的GPU。要检查这一点，您可以通过以下步骤来确认您的设备是否安装了NVIDIA显卡：

1. 打开控制面板。
2. 寻找并点击设备管理器。
3. 在设备管理器中展开显示适配器选项。
4. 检查列表中是否有NVIDIA显卡型号出现。 如果发现了NVIDIA显卡，则说明您的机器满足了使用CUDA和pytorch-GPU的前提条件。
   

一、查看电脑的显卡驱动版本

方法一：在cmd命令窗口中输入nvidia-smi，可以发现版本为12.2

方法2：点击NVIDIA控制面板→系统信息

二、安装CUDA

建议电脑显卡驱动版本**>=**安装的CUDA版本

方法1： 在pytorch官网https://pytorch.org/，直接复制命令进行安装

在命令窗口中直接输入命令--回车安装

1

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

如果安装失败，是因为网速不够快，建议用手机热点或者末尾加一个镜像源

方法2：从官网下载对应版本的CUDA版本

官网链接
链接: https://developer.nvidia.com/cuda-toolkit-archive

由于我的显卡版本是12.2，我只要安装小于等于12.2均可以，我安装**11.8**

可以修改安装路径，因为文件较大，我没有使用默认的路径

下载完成开始安装，可以安装在自定义的目录下

同意继续

选择推荐的精简

点就完事！！

开始安装！！

查看是否安装成功
在命令窗口中输入nvcc -V 进行检查

1

nvcc -V

可以看到我们安装成功

三，安装cuDNN，需要注册（可安装可不安装，因为cuDNN就是个加速器）

下载解压后的文件

将解压文件复制到CUDA安装路径下 ！！！就已经安装完成！！

四，pytorch-GPU

4.1 新建虚拟环境（推荐）

若不想新建，也可以在以前的环境中安装，请跳到下一步4.2！！
因为CUDA 10.1 支持 Python 3.5 - 3.8，而 CUDA 11.0 则支持 Python 3.5 - 3.9，所以我安装python3.9

1

conda create -n pytorch-gpu python==3.9

4.2 在官网下载pytorch

官网链接 链接: https://pytorch.org/

1

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

我我在最后加了镜像源下载，否则太慢，容易下载失败。

五，测试pytorch gpu是否可用

torch.cuda.is_available() 为True则GPU可用，False表示不可用

1

import torch print(torch.__version__) print(torch.version.cuda) print(torch.cuda.is_available()) #输出为True，则安装无误

非常好用！！！

六，补充（针对安装失败的情况）

有粉丝私聊我，说他安装失败，我又想了一个办法！

6.1 去conda清华源找到对应的pytorch、torchvision、torchaudio的版本，我的版本如下：

清华大学开源软件镜像站链接如下：
链接: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

6.2 在对应的虚拟环境下安装这三个包

1

conda install --offline pytorch-2.1.1-py3.9_cuda11.8_cudnn8_0.tar.bz2

1

conda install --offline torchaudio-2.1.1-py39_cu118.tar.bz2

1

conda install --offline torchvision-0.16.1-py39_cu118.tar.bz2

PyTorch的GPU版本通过利用NVIDIA的CUDA技术和cuDNN库，极大地提升了深度学习计算的效率。aaaaaaaCUDA是NVIDIA提供的一种通用并行计算平台和编程模型，它允许开发者利用GPU进行非图形处理任务的加速。在PyTorch框架下，CUDA技术能够帮助用户将计算密集型的操作转移到GPU上执行，从而大幅减少训练时间和提高推理速度。aaaaaaa此外，cuDNN是一个由NVIDIA开发的专门针对深度神经网络应用优化的库，它包含了大量优化过的卷积神经网络算法。通过集成cuDNN，PyTorch能够在GPU上更快速地完成诸如卷积、池化等关键操作。aaaaaaa综合来看，PyTorch GPU版结合了CUDA与cuDNN的优势，为研究者们提供了强大的计算能力支持，不仅加快了实验周期，也使得更加复杂的模型得以实现。