版本对应
torch	torchvision	python
main / nightly	main / nightly	＞=3.8, ＜=3.11
2.2	0.17	＞=3.8, ＜=3.11
2.1	0.16	＞=3.8, ＜=3.11
2.0	0.15	＞=3.8, ＜=3.11
1.13	0.14	＞=3.7.2, ＜=3.10
1.12	0.13	＞=3.7, ＜=3.10
1.11	0.12	＞=3.7, ＜=3.10
1.10	0.11	＞=3.6, ＜=3.9
1.9	0.10	＞=3.6, ＜=3.9
1.8	0.9	＞=3.6, ＜=3.9
1.7	0.8	＞=3.6, ＜=3.9
1.6	0.7	＞=3.6, ＜=3.8
1.5	0.6	＞=3.5, ＜=3.8
1.4	0.5	`==`2.7, ＞=3.5, ＜=3.8
1.3	0.4.2 / 0.4.3	`==`2.7, ＞=3.5, ＜=3.7
1.2	0.4.1	`==`2.7, ＞=3.5, ＜=3.7
1.1	0.3	`==`2.7, ＞=3.5, ＜=3.7
＜=1.0	0.2	`==`2.7, ＞=3.5, ＜=3.7

（1）在Anaconda Prompt中输入如下命令进行创建：

conda create -n pytorch python=3.8

其中pytorch是虚拟环境的名字，这个可以按照你自己的意愿取。

这个虚拟环境中使用的python版本为3.8。

（2）如已创建好，可以查看一下目前创建的虚拟环境：

conda env list

第3步：激活虚拟环境

我们要在新创建的虚拟环境中安装pytorch，所以要激活新创建的环境：

（输入命令后即可进入到新环境中）

conda activate pytorch

第4步：查看自己电脑所支持的cuda版本（关键步骤）

安装pytorch的GPU版本需要NVIDIA显卡来加速计算，所以需要判断我们的计算机是否安装了NVIDIA显卡。（单独的英伟达的显卡、或者英伟达的显卡和集显，这两种情况都是可以的。此处以独立显卡为例。）

在cmd命令提示窗口中输入：（按住 Win + R 键，在弹窗中输入cmd进入即可）

nvidia-smi

此处命令行显示的cuda版本为此驱动可支持的最大版本的cuda。

（若此步没有问题则直接跳到本文第5步）

观察Driver Version的值（驱动版本数）是否大于396.26，如果不是则需要更新显卡驱动。（按照如下步骤（1）进行更新）

（1）如果cuda版本太低，建议更新一下驱动：

首先查看一下自己的GPU型号：

在“开始菜单”搜索“任务管理器” —> 性能 —> GPU

去英伟达的官网进行更新驱动：

官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/index.aspx?lang=cn红框里面的内容需要根据自己电脑的实际情况填写，其中Notebooks代表笔记本的意思，选好之后点击搜索即可下载安装。（此处安装步骤简单，但安装时间可能会比较久，请耐心等待！）

安装完成之后再次查看，发现驱动已更新，则更新成功：（此处为cuda11.6 —> cuda12.4）

nvidia-smi

（2）下载pytorch的GPU版本时，需要提前安装cuda和cudnn吗？

答：不需要。使用官网提供的命令进行安装，会将对应需要的cudatoolkit自动安装好，不需要我们再单独去安装cuda和cudnn。

（3）用 nvcc -V 命令时，却报错：-bash: nvcc: command not found，而用 nvidia-smi 却可以查看到cuda的版本号，这样有影响吗？

答：我也是这种情况，但对于pytorch的安装没有影响，可以正常安装使用。

（4）用 nvidia-smi 查出来的cuda版本和用 nvcc -V 命令查出来的版本不一致？

答：其实是因为 CUDA 有两种 API，分别是运行时 API 和驱动 API，即所谓的 Runtime API 与 Driver API。nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API 的型号。而nvcc 的结果是对应 CUDA Runtime API。

一般情况下用 nvcc -V 命令查出来的cuda版本会小于用 nvidia-smi 查出来的，所以本文建议安装pytorch时选择的指令中cuda版本小于自己电脑驱动可支持的最大版本的cuda（即用 nvidia-smi 查出来的cuda版本数）。

此处回答参考于以下网址：

CUDA版本不同：nvidia-smi和nvcc -V_nvidia-smi和nvcc-v的cuda版本不一致-CSDN博客https://blog.csdn.net/sophicchen/article/details/120782209

第5步：在官网找到安装指令进行pytorch对应版本的安装

（如果在此之前你换源过，则需要先换回默认源，具体步骤请往下翻看【本文第5步（1）】。换回默认源后再从此处开始安装。）

官网链接：PyTorchhttps://pytorch.org/

进入到官网之后往下拉可以看到如下画面：

因为我们要安装的pytorch版本比较旧（1.13.0），所以需要点击图片中的蓝框部分寻找对应版本的安装指令。

（一般来说显卡正常工作的话会对应一个cuda版本，只要在安装pytorch的命令里装的版本不高于这个版本就行）

注：此处建议选择的指令中cuda版本小于自己电脑驱动可支持的最大版本的cuda。此处选择小于cuda12.4的即可。

（此处电脑为cuda12.4，选择安装执行cuda11.7对应的指令）

先进入到需要安装pytorch的虚拟环境中，

然后输入以下指令就可以进行安装了：（按照提示输入y即可）

conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.7 -c pytorch -c nvidia

安装时间会比较久，且建议在晚上进行安装。

注：如果发现有某些包没有装上，则可能是网络不稳定的原因，只需要重新执行一次以上安装指令即可。

安装成功后会显示如下图：

此时在命令行中输入python，然后用 import torch 查看是否安装成功，若没有报错则安装完成。

输入以下命令查看cuda是否可用：

torch.cuda.is_available()

此处显示为True，则为可用。至此pytorch安装已完成！

若显示为False，则需要：

1）检查自己电脑的GPU是否支持cuda；

绝大多数电脑都是支持的。
CUDA | 支持的GPU | GeForceCompare GeForce graphics processors that support your PC gaming system, including GPU performance and technical specifications.https://www.nvidia.cn/geforce/technologies/cuda/supported-gpus/ 2）检查显卡驱动版本，更新驱动；

查看安装的pytorch版本对应的cuda是否与电脑所支持的cuda相匹配，或Driver Version的值是否大于396.26。若都不满足，则需要更新驱动（详细步骤请见【本文第4步（1）】处）。

3）检查是否下载成CPU版本。

具体可参考以下链接：
conda安装GPU版pytorch，结果却是cpu版本[找到问题根源，从容解决]_为什么conda安装pytorch版本不对-CSDN博客https://blog.csdn.net/u013468614/article/details/125910538?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170650818416800182726056%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=170650818416800182726056&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-125910538-null-null.142%5Ev99%5Epc_search_result_base6&utm_term=pytorch%E4%B8%8B%E8%BD%BD%E7%9A%84%E6%98%AFCPU%E7%89%88%E6%9C%AC&spm=1018.2226.3001.4187

（1）此处指令中所用到的-c pytorch指的是使用国外pytorch官方通道进行下载安装，晚上安装会比较流畅，白天连接不稳定。我之前使用其他镜像下载时各种报错，所以还是恢复了默认源进行下载。

如果你之前换源过，则需要移除其他源换回默认源：

首先打开Anaconda Prompt，输入如下命令来移除其他源：

conda config --remove-key channels

查看是否更换成功：（查看当前使用的镜像源）

conda config --show channels

如果显示如下内容，则设置已生效：

确保默认源已经被正确添加后再继续进行pytorch的安装（具体步骤请向上翻看，本文第5步）。

如果此时下载依然出现镜像源问题，则重新创建新的虚拟环境进行安装（如本文第2步所示）。

最后，pytorch 1.13.0，GPU版本安装成功！！！

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/盐析白兔/article/detail/975285