深度学习--基础（一）pytorch安装--cpu & GPU版本_pytorch cpu版本和gpu版本

CPU版本安装

直接在线安装

无GPU的时候，只能安装CPU版本，打开官网 https://pytorch.org/ 直接Pip安装即可

国内访问这些下载安装会出现超时的情况，可以-i指定国内安装源：
pip3.11 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple/

ps：python版本3.11 ，3.7版本安装时，遇到了如下报错osError找不到asmjit.dll的报错，升级3.11即可

离线安装

从这里下载 https://download.pytorch.org/whl/torch_stable.html
注意torch torchvision和 python版本是有对应关系，总结了一下：

下载下来后，可能会出现
whl is not a supported wheel on this platform.的报错

此时可以查看
pip debug --verbose
名字必须符合如下：

可以修改whi文件名安装即可。(有些64系统尾缀为win32，实际指的是win32接口，实质还是64位，总之修改成符合当前要求的命名规则的whl即可)

pip3.11 install torchvision-0.11.3+cpu-cp311-cp37m-amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3.11 install torch-1.10.2+cpu-cp311-cp311m-amd64.whl

卸载

pip uninstall torchvision -y
pip uninstall torch -y

GPU版本安装

安装anaconda

这个是直接官网下载即可，是要给包和环境的管理器，可以不安装，如果没有安装anaconda，下面其他各步都可以可以使用pip，完全不影响使用，那么安装这个的目的是什么呢？

它可以创建不同的虚拟环境，防止与你本机或者其他环境的python发生冲突
1

anaconda需要先创建虚拟环境
conda create -n test
并且进入环境conda activate test
然后继续安装后面的python pytorch等

安装CUDA

GPU开发，这个必须安装，相当于sdk，window下下载安装，下载地址：
https://developer.nvidia.com/cuda-downloads

注意版本号必须是与显卡匹配的CUDA版本，CUDA版本号在下载文件名中这个位置

那么如何确认显卡匹配的CUDA版本？

1. 显卡驱动的版本，使用NVIDIA-smi指令：
   
   比如我这里显示518.01

2. 确认显卡驱动可以对应的cuda版本，可以从下面这个连接查询：
   https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#major-components
   
   我这里的518可以安装很多版本，我选择的是CUDA 11.7，接下来一步步傻瓜式安装 即可

安装pytorch

如果conda环境的，先进入环境再继续下载
进入官网 https://pytorch.org/

注意此处的CUDA选你安装的cuda 版本

另外可以从这里找以前的版本的下载方式：
https://pytorch.org/get-started/previous-versions/

安装后，在用NVIDIA-smi查看，显示了驱动和cuda版本：

都安装完毕后，进入python环境（anaconda的需要先进入虚拟环境）直接python
然后 import torch
如果不报错则是安装成功
而GPU版本，还需要输入下torch.cuda.is_available()，如果返回为True，则gpu版本安装成功

**注意：pytorch的版本对python的版本要求，如果报错版本冲突，可以卸载安装更高版本的python,conda update python
**