在pycharm里安装pytorch环境-GPU版_如何在指令窗安装gpu版本的pytorch

1、安装Anaconda
在官网下载安装：https://www.anaconda.com/download
2、安装pycharm
https://www.jetbrains.com/pycharm/download/#section=windows
使用社区版即可。

3、检查conda环境
按win+r，输入cmd回车打开命令窗

在命令窗内输入conda

环境无问题。
4、创建虚拟环境：
其中包括环境名称和python版本名称。
格式：

conda create -n 环境名称 python=版本
1

如，我的环境名称为pytorch_gpu_23.5.30 ，使用python3.8，输入：

conda create -n pytorch_gpu_23.5.30 python=3.8
1

输入conda activate pytorch_gpu_23.5.30激活当前环境后，输入python，检查所安装python版本是否正确，输入exit()退出

输入conda deactivate退出当前环境
5、设置解释器
打开pycharm，点击文件-设置

添加解释器

点击添加解释器，使用现有环境，把刚刚创建的添加进去

6、安装cuda
打开pytorch官网：https://pytorch.org/点击Get started

按照自己的需求选择好选项，我的电脑支持版本为CUDA11.7和CUDA11.8

打开CUDA官网下载地址：https://developer.nvidia.com/cuda-downloads
选择好自己的选项之后点击下载

下载完成后，直接双击安装，最好安装在默认路径，因为后面需要用到。


7、验证cuda是否安装成功
进入路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA查看自己的版本安装是否正确

进入文件夹v11.7-bin，并复制路径，在终端里输入：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
1

然后输入：

nvcc -V
1

输出里显示出cuda版本

8、下载cudnn
官网地址：https://developer.nvidia.com/cudnn
下载解压完成后，分别打开三个文件夹，将文件夹里的复制到CUDA路径下同名文件夹中，注意是复制bin、include、lib文件夹里的内容，不是复制整个文件夹过去

9、验证是否安装成功
进入文件夹：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite

复制路径，在命令行里输入：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
1

然后输入：

bandwidthTest.exe
1

运行成功出现PASS

输入：

deviceQuery.exe
1

运行后会显示安装的CUDA版本，同样也会出现PASS，即代表成功。

10、安装pytorch
进入pytorch的pip界面显示的网址，我的是：https://download.pytorch.org/whl/cu117

点击torch，根据自己的需求找到对应版本，python3.8对应cp38,cuda11.7对应cu17


下载好之后，下载torchvision，依然按照自己的版本选择，根据下面的表选择适合自己下载的torch的torchvision

11、安装torch和torchvision
打开pychram的终端，如，我的文件下载在了F盘的install文件夹内，首先输入cd F:\install进入此文件夹，然后输入：pip install torch-1.13.0+cu117-cp38-cp38-win_amd64.whl安装torch

再输入pip install torchvision-0.14.0+cu117-cp38-cp38-win_amd64.whl安装torchvision。
12、验证是否安装成功
新建python文件，输入：

import torch
print("hello:{}".format(torch.__version__))
1
2

运行后，系统输出安装版本即代表安装成功。