PyTorch 安装配置¶
1 安装 Miniconda / Anaconda¶
书接上回：Win11 安装配置 Miniconda
2 创建并激活虚拟环境¶
2.1 创建虚拟环境¶
创建名为 pytorchtest 的 python3.9 虚拟环境
conda create -n pytorchtest python=3.9
2.2 激活虚拟环境¶
激活虚拟环境
conda activate pytorchtest
3 安装 CUDA¶
3.1 检查当前版本¶
检查当前 nvidia 显卡版本指令
nvidia-smi
- 此时可以看到当前显卡驱动为
511.69，支持的最高 CUDA 版本为11.6
3.2 官网下载¶
- 官网：CUDA 下载
3.3 安装注意¶
与普通软件安装不同，在安装 CUDA 时，需要设置两次。第一次要求设置临时解压目录，第二次才是设置安装目录，这里建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除。切记，使用两次设置的路径不能相同，否则安装后会找不到目录。同时，因为是系统级软件，所以最好全程使用默认的安装位置。
- 解压 CUDA 安装包
- 选择自定义安装
- 取消安装 Visual Studio Integration 组件，防止后续报错
- 使用默认安装路径，不做修改
检查是否安装成功
- 检查当前 CUDA 版本指令
nvcc -V
- 输出版本即为成功
4 安装 cuDNN¶
4.1 官网下载¶
- 官网：cuDNN 下载，这里 必须登录账号 才能继续下载。
- 首次使用需要注册账号并输入详细信息
4.2 下载对应版本¶
cuDNN下载，因为之前安装的 CUDA 版本号为 11.6，所以我们选择对应版本的 cuDNN 进行下载。
4.3 安装 cuDNN¶
上面我们下载的内容实际上是压缩包文件，本质上就是对 CUDA 的关于深度学习的补充文件，我们需要将解压后的文件内容找到 CUDA Development 安装目录中对应目录，打开文件夹 逐一复制内部内容。需要注意的是：
lib 相关文件需要复制到 lib\x64 目录中。
- cuDNN 解压包内容
- CUDA Development 安装目录内容
5 配置环境变量¶
在成功安装 CUDA 后，系统会自动添加环境变量
在环境变量中添加如下内容
如若在系统环境变量中没有，则需要自行添加如下内容。【注：此处安装目录以实际情况为准】
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
6 安装 torch & torchvision¶
6.1 下载地址¶
进入网址，选择适合自己版本的进行下载。保存到路径稍浅的文件夹里面，方面后续调用。
版本号说明
- cu116：表示 cuda 版本为 11.6（及以上都可以）
- torch-1.12.1：表示 torch 版本为 1.12.1
- cp39：表示 python 版本为 3.9
- win：表示 windows 系统
6.2 在 Miniconda 中安装¶
转到下载目录
Ctrl+R 后调出 cmd 命令行，需要先激活虚拟环境，再转入到下载目录。【注：此处目录以实际情况为准】
cd ../../
D:
cd Downloads
安装 torch
pip install 输入torch并按下Tab键自动补全
安装 torchvision
pip install 输入torchvision并按下Tab键自动补全
- 注：这里会安装一些必要相关库，所以显示条文会长一些。
7 验证是否安装成功¶
调用 Python
python
检查 torch 版本
import torch
print(torch.__version__) #注意，此处下划线"_"是两个下划线"__"
print(torch.cuda.is_available())
