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：

1）简洁：
PyTorch的设计追求最少的封装，尽量避免重复造轮子。简洁的设计带来的另外一个好处就是代码易于理解。PyTorch的源码只有TensorFlow的十分之一左右，更少的抽象、更直观的设计使得PyTorch的源码十分易于阅读。

（2）速度：
PyTorch 的灵活性不以牺牲速度为代价，在许多评测中，PyTorch 的速度表现胜过 TensorFlow和Keras 等框架。

（3）易用：
PyTorch 是所有的框架中面向对象设计的最优雅的一个。PyTorch的面向对象的接口设计来源于Torch，而Torch的接口设计以灵活易用而著称，Keras作者最初就是受Torch的启发才开发了Keras。PyTorch继承了Torch的衣钵，尤其是API的设计和模块的接口都与Torch高度一致。PyTorch的设计最符合人们的思维，它让用户尽可能地专注于实现自己的想法，即所思即所得，不需要考虑太多关于框架本身的束缚。

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

同样用cmd，分别输入deviceQuery.exe 和 bandwidthTest.exe，若都显示 Rsult=PASS 则说明通过，否则需要重新安装。

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：CUDA版本的选择针对有支持cuda独显的电脑，可以通过这个网站来判断你的电脑显卡是否支持。如果不支持或者无显卡，则选择 None 。同时注意：有显卡的朋友们也要检查自己显卡驱动能够匹配的cuda版本，方法在此，如果显卡驱动太旧，建议使用Nvidia Experience或手动下载进行更新

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

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

今天的文章Pytorch最全安装教程（一步到位）分享到此就结束了，感谢您的阅读。

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/7491.html

Pytorch最全安装教程（一步到位）

概述

安装