深度学习库PyTorch的安装_深度学习torch安装

前言：

1. 可以用anaconda，也可用pip下载，前者对应所有语言均可，后者是只针对python的库。

2. 可以用命令行下载，也可以下载到local本地中。

3. 用命令行时，可以在官网直接下载，也可以用清华镜像源下载。前者网络可能会出现断联状况，下载较慢；后者配置环境可能存在问题，需要慢慢协调。总之耐下性子，多学多试，自然会摸索出来。

1. PyTorch的安装

方法一：本地下载，命令行配置

写完笔记，结果虽然这几个组件都安装好了，但是在pytorch中并无可用的cuda，所谓没有拼装好；回过头来发现第一步就不行，可能下载的是CPU版本。

根据下面的帖子，史上最详细的Pytorch+CUDA+CUDNN的安装(GPU版)_pytorch cudnn_小皮麻花的博客-CSDN博客和Windows端pytorch镜像快速安装【清华源】_蓝胖胖▸的博客-CSDN博客_pytorch清华镜像源，基本理解了这个过程了。

虽然之前下载过CUP版本，也不用担心版本冲突问题，因为无所谓，命令行会出手。安装新版本的时候，会自动先卸载之前的安装包，然后安装GPU版本。有图有真相。

我是采用的这种方式：先下载到本地，然后用命令行安装：附上torch版本链接。

pip install C:\Users\Lenovo\Downloads\torch-1.13.0+cu116-cp39-cp39-win_amd64.whl

pip install后可直接把文件拖入命令行，会自动识别路径并添加。

torchaudio和torchvision同理。

根据cuda11.6，以及对应于python3.9，我下载的是1.13.0版本的torch。

cu116/torch-1.13.0%2Bcu116-cp39-cp39-win_amd64.whl
 
cu116/torchaudio-0.13.0%2Bcu116-cp39-cp39-win_amd64.whl
 
cu116/torchvision-0.14.0%2Bcu116-cp39-cp39-win_amd64.whl
#torchvision的版本要高一个版本才能和torch兼容：1.13.0、0.13.0、0.14.0，总之在两个小数点中间的那个数加1就是对应版本。

方法二：命令行在线安装并配置

可以在官网直接下载，也可以用清华镜像源下载。前者网络可能会出现断联状况，下载较慢；后者配置环境可能存在问题，需要慢慢协调。总之耐下性子，多学多试，自然会摸索出来。

1. 官网下载：

找到Pytorch官网Start Locally | PyTorch找到Pytorch及其CUDA所需版本，并在命令行复制下载链接：

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

2. 清华镜像源：

在最后一行的时候删除-c pytorch -c nvidia，此时就不会用pytorch的官网下载，而是在镜像源网站下载。

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 --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda install pytorch torchvision torchaudio pytorch-cuda=11.6

2. CUDA的安装

可以在CUDA Toolkit Archive | NVIDIA Developer下载CUDA Toolkit的各种版本（当然要根据自己电脑显卡配置下载对应版本的CUDA）；这个两到三G，需要两小时；后续都很简单，按部就班没问题的。

具体安装可以参考博主【CUDA】cuda安装 （windows版）_何为xl的博客-CSDN博客_cuda安装。

3. cuDNN的安装

可以在cuDNN Archive | NVIDIA Developer下载cuDNN，对应于CUDA的版本（类似于补丁）；这个六七百M，需要半小时。

4. 检验

最后可以检验是否下载成功：

python
import torch

显示“>>>”则下载Pytorch成功；

torch.cuda.is_available()

显示“True”则下载CUDA成功，可以用GPU进行运算。

5. 相关知识拓展

最后，感兴趣的同学还可以参考下面博主：

多版本cuda与torch环境配置_从化北的博客-CSDN博客

显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？ - marsggbo - 博客园 (cnblogs.com)