新手小白安装 PyTorch库（简单详细的流程） 代码报错 Torch not compiled with CUDA enabled

         本文主要主要针对GPU 版本的PyTorch库的安装，以及安装过程中可能出现的问题，安装完成后运行程序出现“Torch not compiled with CUDA enabled”的错误，输入torch.cuda.is_available() 显示false的错误，如果你也出现了这样的困惑，那就可以接着往下看了。

前  言—基础知识简介

        常用的 Python 代码编辑器包括 Jupyter Notebook、PyCharm、Visual Studio Code。类似的，C 的代码编辑器包括 Visual C++、Dev C++、Visual Studio Code。

        Anaconda 是一款巨大的 Python 环境集成平台。其内含 Python 解释器、Jupyter Notebook 代 码编辑器以及很多三方库，如 Numpy 数组库、Pandas 标签库、Matplotlib 绘图库等（但唯独缺少深度学习库）。

        PyTorch 虽然是一个库，但安装时的核心组件叫 torch，还额外有两个小组件： torchvision 和 torchaudio。

        由于 PyTorch 库的下载组件内部含有 cudatoolkit，它是 CUDA 的子集，里面的东西足够 PyTorch 使用，因此本教程不用单独安装 CUDA 和 CUDNN。

        CUDA 版本与pytorch，torch版本要对应，不然运行程序会出现报错。

安 装 教 程

        cuda版本查看

        pycharm终端输入nvidia-smi

         上面可以看出CUDA版本是11.6

方 法 1 （简单方便快捷，推荐）

        进入PyTorch官网下载CUDA=11.6对应的pytorch安装包。

                这里没有11.6版本的，点击上面红色框，查看以前的版本

         在下面找到你想下载的版本

 提 高 下 载 速 度

        安装pytorch-gup版的环境，由于pytorch的官网在国外，下载相关的环境包是比较慢的，所以我们给环境换源。在pytorch环境下执行如下的命名给环境换清华源。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

复制链接到虚拟环境终端就可以直接下载 。

错 误 ！！!

 按照上面流程发现问题还是没有解决，再次运行程序还是显示同样的错误。

 输入以下代码，查看torch版本以及CUDA是否被调用。

import torch
print(torch.__version__)
print(torch.cuda.is_available())

 显示GPU没有被调用。

错 误 更 正

        参考一些资料发现应该下载torch的轮子文件也就是上面那个pytorch官网里面选择错了版本，应该选择wheel下面对应的链接。

 出现以下代码就是安装成功。

方 法 2

下载 .whl 文件离线安装

        该方法跟上面那个方法等价，不要搞混了，对于刚接触环境配置 的小白来说很容易搞不清楚这么多方法，这种方法是针对上面那种方法下载过程中网络问题下载慢的另一种下载方法。

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

         选择适合自己的版本，cu116 表示 CUDA=11.6，cp37 表示 python=3.7 ，linux or win 。

这里可以参考这篇博客： Torch 、torchvision 、Python 版本对应关系以及安装 GPU 或 CPU 版本的 pytorch_torch和torchvision版本对应_xzw96的博客-CSDN博客

输入以下代码测试PyTorch是否安装成功。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

 ​

 输出True，说明安装成功