【环境搭建小知识】以在windows10下安装PyTorch为例详解深度学习环境搭建时的那些注意事项_pytorch的依赖安装

概述

很多搞深度学习的初学者在搭建PyTorh或者TensorFlow等深度学习环境时，要么是在安装过程中各种报错，无法成功安装软件；要么侥幸安装好之后，后期使用时出现一大堆问题。出现这一现象，主要原因是大家对深度学习环境各软件版本的要求不清楚导致的，本文将争对这一现象进行详细讲解，并且以在Window10上安装PyTorch为案例为大家演示。

深度学习环境搭建关键点

python环境下安装各种包，基本上pip就能搞定，但是在搭建深度学习环境时，大家就蒙圈儿了，因为深度学习环境的搭建涉及到宿主机显卡驱动、CUDA、cuDNN、Python、PyTorch等多个部件的安装，而部件之间又有依赖关系或版本要求，成功搭建这一系列部件的关键就在于弄清楚他们彼此间的版本要求。

不同部件之间的版本依赖关系

1. 宿主机显卡与CUDA之间的版本依赖关系，如下图所示：

以上表格便是CUDA安装时对显卡驱动版本的要求，但是CUDA随时都在更新，显卡驱动也随时都在更新，当下一次要安装时，或许该表格中并无你想安装的CUDA版本，此时改在哪里找到这个表格呢？接下来我便告诉你该在哪里找到这些内容，也告诉你如何查询自身显卡对应版本。

（1）、CUDA与显卡版本对应关系（CUDA安装对显卡版本的要求）查询地址：点击查询
（2）、Windows10下查询显卡驱动版本，在桌面点击右键，找到NVIDIA控制面板，之后按照如下图所示方法操作：

2. CUDA与cuDNN之间的版本依赖关系

cuDNN与CUDA之间对应关系如下图所示：

从上图中不难看出，当安装完CUDA之后，是有多个cuDNN版本可选择安装的，具体链接为：点击查看，注意：该网站中可以下载cuDNN，需要注册，大家可以放心注册。

那么具体应该按照哪个呢？请参考下文。

3. PyTorch与Python、CUDA、cuDNN等的对应关系

PyTorch与Python、CUDA、cuDNN等的对应关系如下图所示：

该部分可回答上文第2点提到的，cuDNN版本选择问题，例如你想安装的PyTorch版本为2.1，那么你就应该考虑安装CUDA 11.8和CUDNN 8.7.0.84，而不是安装CUDA12.1和CUDNN 8.9.2.26，因为前者为稳定版本，更加适合于生产环境，当然你想尝鲜除外。

具体PyTorch与Python、CUDA、cuDNN等的对应关系，可以查看如下网址：点击查看

两种类型的深度学习环境搭建方法

深度学习环境的搭建，我总结起来有两种类型，如下：

1. 以上层软件选择驱动下层软件版本选择： 例如你选择了要安装PyTorch 2.1，那么你安装的CUDA版本最好就是CUDA 11.8，CUDNN版本最好就是8.7.0.84，Python版本必须>=3.8且<=3.11
2. 根据已有软件选择上层软件版本： 例如你电脑中已经安装了python 3.7，你不想再安装其他版本的Python环境，但是又想安装PyTorch，此时你就可以参考上文中提到的各版本对应关系，找到你可以考虑安装PyTorh 1.13或1.12，如下所示：

具体应该安装1.13还是1.12呢？这个时候就还需要去查看CUDA与驱动的对应关系了，比如你的显卡驱动版本为452.39，那么你CUDA 11.6和CUDA 11.3都可以安装，如下所示：

案例

上文中，已经将在windows10下成功安装PyTorch的关键点讲清楚了，下文将用一个案例进行进一步说明。

我希望能安装PyTorch 2.1，首先通过查询得到我的显卡驱动版本为：522.06，通过上文中的介绍得知，我可以安装CUDA 11.0 - CUDA 11.8，然后再次查询PyTorch与Python、CUDA、cuDNN等的对应关系，得知我最好安装CUDA 11.8和CUDNN 8.7.0.84，如此便将我要安装的软件版本都得到了，只要严格按照这样的版本选择，安装过程中便一般不会再报错了。

CUDA安装

1. 第一步，CUDA下载，具体下载地址如下：

CUDA下载地址

根据上文，在此处，我选择下载CUDA 11.8，如下图所示：

2. 第二步CUDA安装

只需要双击你下载的exe文件，便可以开始进行CUDA安装了，安装过程十分简单，一路下一步就行了，唯一需要注意的内容有两点：

• （1）安装选项中，选择自定义安装，如下所示：
  
• （2）选择安装位置，需要记住你选择的安装位置在哪里，这在安装cuDNN时会用
  
  CUDA安装完成后，通过命令行可以检查是否安装成功，如下图：
  
  出现如上图所示的结果，CUDA便安装成功了。

到此，还应该检查操作操作系统环境变量是否已经配置，如果没配置，按照如下配置即可（如果在安装CUDA过程中，未自动配置环境变量，上文中nvcc --version命令会执行不成功，配置即可）：

cuDNN安装

cuDNN本质上可以看成是英伟达为支持深度学习为显卡开发的补丁，其下载地址如下：

cuDNN下载地址

在本案例中，我下载的版本为8.7.0.84，如下图所示：

下载下来之后，是一个ZIP压缩包，使用方法便是解压，然后将其中的问价夹都复制到上文中CUDA安装的文件夹即可，如下图所示：

覆盖之后，需要再在Path环境变量中，新增如下四项，如下图所示：

到此处便算是安装完成了，同样在命令行中，通过命令校验是否cuDNN安装成功。主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe；

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

Python环境安装

Python安装就比较简单了，我采用Anaconda3作为python虚拟环境管理工具，安装命令如下：

conda create -n yourname python==3.9.0
1

PyTorch安装

在以上环境都准备好后，PyTorch安装便是水到渠成的事情了，只需要执行如下命令即可：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
1

该命令来自PyTorch官网，如下图所示选择后，可得安装命令：