GPU版pytorch安装方法

目录

一.前期准备(Pycharm和Python环境的安装）

二.安装CUDA加速架构组件

三.CUDNN的安装

四.Pytorch的安装

五.最后验证torch GPU版本安装成功:

---

一.前期准备(Pycharm和Python环境的安装）

首先在Pycharm和Python官网下载想要安装版本的软件。这里比较基础就不展开细讲了。

Python安装完成之后的验证：

命令行cmd输入python之后可以进入正确环境

Tips:

也推荐安装一下Anaconda，用于管理包和环境十分方便。

二.安装CUDA加速架构组件

1.首先在右下角的NVIDIA右键打开控制面板->帮助->系统信息,找到CUDA对应的DLL版本

由此可见我的电脑的CUDA版本为CUDA 11.6.106

 2.去CUDA官网下载对应的CUDA版本，Tips: 第一步查到的我们电脑的CUDA支持版本，是向下兼容的，也就是我们可以安装<=我们电脑支持版本的CUDA。(建议可以装比自己最高支持版本稍微低一些版本的CUDA，因为CUDA版本关系到cudnn和torch版本的安装）

NVIDIA的官网安装CUDA:

CUDA Toolkit Archive | NVIDIA Developer

第一步是一个临时解压路径，不是最终安装路径，所以不必换

第二部选择自定义比较好

第三步记得不要安装Visual Studio Integration，占用较大内存

第四步记得在完成安装之后添加环境变量到PATH里(当然要把自己的版本号改过来):

 

 最后验证安装成功

 cmd输入nvcc -V会得到以下信息 

 

三.CUDNN的安装

这一步同样来到cudnn官网即可,这一步比较不一样的是CUDNN的下载需要创建并登入自己的NVIDIA账号以及加入开发者计划。

cuDNN Archive | NVIDIA Developer

看好对应的CUDA版本就好，在文件名中有体现(注意如果版本太高的，比如我下载的CUDA11.6，可以下载cuDNN for CUDA 11.x)

四.Pytorch的安装

1.找到合适的pytorch版本:

cmd输入 nvidia-smi得到以下信息:

根据Driver Version的值在下表找到对应 

找到可用的pytorch版本

 

2.安装的两种方式：

来pytorch官网下载想要的版本，在Pycharm的terminal里面用pip安装：

或者直接来到这里找到自己需要的pytorch版本(记住cuxxx开头的才是GPU版本的，其他是CPU版本的pytorch)，下载之后放到虚拟环境的路径下，使用pip安装:

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

 五.最后验证torch GPU版本安装成功:

import torch

print(torch.cuda.is_available())

如果输出true就ok了