简单易懂！Pytorch安装教程（超详细）

在正式开始学习Pytorch之前，安装Pytorch同样是重要的一个环节。我将安装Pytorch的主要过程以及遇到的一些问题写在下面，希望能对各位有所帮助。

一、系统与环境说明

在开始用Pytorch进行深度学习之前，要先准备好基本的软硬件环境。下面我分别从操作系统、GPU环境等方面简单说一下最基本的Pytorch运行环境。

1、操作系统

目前Pytorch支持的操作系统有Windows、Linux、MacOS。那么究竟使用哪一种操作系统呢？

如果您只是简单的使用Pytorch，不需要CUDA编程或者使用高度定制化的操作。那么任意一种操作系统都可以。

如果您需要高度定制化的操作，比如说定义一个CUDA函数，那么个人建议使用Linux或者Mac。

如果您已经装了Windows并且不想卸载重装系统，那么您可以安装一个双系统。安装双系统前切记切记要把系统备份做好，因为手滑格式化硬盘的惨剧也不再少数。

2、CPU与GPU

如果您想深入学习Pytorch或者Tensorflow，那么一块GPU是少不了的。没有GPU许多实验都无法迅速完成。如果没有GPU，就请使用CPU吧！把数据集缩小，过把瘾总是可以的。

一些朋友也许会问，那么能不能用带GPU的笔记本搞深度学习呢？当然可以！只要程序运行的时间不是太长，用带GPU的笔记本也能完成任务。游戏都能玩，程序还跑不了吗？不过如果有条件，我建议还是买一台台式机，再根据经济条件配一块显卡（二手的显卡其实也能用）。毕竟笔记本散热差，而且笔记本上的显卡很多时候是被阉割过的，性能比较差。当然，如果只是用于学习目的，一个笔记本电脑已经足够了。

GPU也有许多型号，如果要用Pytorch请准备1050以及以上的显卡。10系列以下的显卡上是运行不了最新版本的Pytorch的。

二、安装驱动和CUDA环境

下面的教程将介绍如何在Ubuntu18上安装Pytorch。安装过程非常简单，其中最大的困难在于网速太慢。

首先英伟达官网下载CUDA以及cudnn加速包，这里的下载cudnn需要注册英伟达账号。

1、下载安装CUDA

访问英伟达官网下载CUDA，链接为https://developer.nvidia.com/cuda-downloads。注意请下载runfile，这个比较稳妥。CUDA版本请选择10.1.如果您还想装tensorflow，那么请您装CUDA10.0。

下载安装指令如下所示：

#下载 
wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run 
#安装 
sudo sh cuda_10.1.243_418.87.00_linux.run 

许多教程里说先装驱动再安装CUDA。而CUDA里自带的驱动其实也能用（只要显卡是10+以上的版本），索性一并安装了。

敲完上面代码后会跳出来一个readme。请按住空格。不要按回车键。直到出现下面的内容。然后会有一个选择安装内容的选项。“+”号就是安装。“-”号就是不安装。全部安装吧！然后会出现类似下面的内容。我这里列举的是CUDA9.0的内容。CUDA10.1与之类似。

Do you accept the previously read EULA?  
accept/decline/quit: accept  
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?  
(y)es/(n)o/(q)uit: y  
Install the CUDA 9.0 Toolkit?  (y)es/(n)o/(q)uit: y  
Enter Toolkit Location  [ default is /usr/local/cuda-9.0 ]:   
Do you want to install a symbolic link at /usr/local/cuda?  
(y)es/(n)o/(q)uit: y  
Install the CUDA 9.0 Samples?  
(y)es/(n)o/(q)uit: y  
Enter CUDA Samples Location  [ default is /home/pertor ]:   
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...  
Missing recommended library: libXmu.so 

装完了之后需要配置环境变量。

切记！！！要配置环境变量。否则系统找不到相关路径。打开主目录下的 .bashrc文件添加如下路径，具体命令如下所示。

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64 
export PATH=$PATH:/usr/local/cuda-10.1/bin 
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1 

终端运行：source ~/.bashrc

检查：nvcc --version，如果显示nvcc版本就说明安装成功了。

2、安装cudnn

cudnn就是一个神经网络加速包，也谈不上安装，把包复制进去就好了。

（1）下载安装文件

按需求下载cudnn的安装文件：https://developer.nvidia.com/rdp/cudnn-archive

先选中10.1版本，挑第三个cuDNN Library for Linux下载。

（2）安装cudnn

解压下载的文件，可以看到cuda文件夹，在当前目录打开终端，执行如下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 

这样，CUDA环境就安装成功了。

三、安装Pytorch以及相关包

下面要到Pytorch官网下载相应的安装包。现在的稳定版为1.3版本。直接用pip进行安装吧！

命令如下：

sudo pip3 install torch torchvision 

当然，网速肯定是非常差的。怎么办呢？可以设置临时的Pip源

命令如下：

sudo pip3 install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple/ 

你会发现运行如飞。

下面要对是否安装成功进行测试。

首先在终端敲一下：

python3 

进入python命令行后，执行以下命令。如果不报错就说明安装成功了。

import torch 
x = torch.empty(5, 3) 
print(x) 

如果报错，十之八九是环境变量没配置好。请在下方留言，把相关的错误代码贴上来。我们一起分析分析。

至此Pytorch安装成功。

   在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取