安装PyTorch深度学习框架

• Anaconda是一个开源的Python发行版本，它包含了conda包管理器、Python解释器以及众多科学计算和数据科学相关的库。使用Anaconda可以方便地管理Python环境和依赖包。
• Anaconda主要是一个基于Python的数据处理和科学计算平台，它内置了Python解释器以及众多常用的科学计算和数据科学库。
  
  首先安装Anaconda

下载地址

Download Anaconda Distribution | AnacondaDownload Anaconda's open-source Distribution today. Discover the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/download/Anaconda3-2024.10-1-Windows-x86_64.exe

下载下来直接安装就好了，可能安装比较慢一些

注意要用管理员权限安装，最好关闭杀毒软件。

安装好后运行时这个样子的

安装Anaconda后会有一个图形界面，这个图形界面被称为Anaconda Navigator。Anaconda Navigator是一个桌面图形用户界面，允许您轻松地管理conda包、环境和应用程序。

创建一个环境，选择你需要的python版本

名字我用过了 PyTorch，python选择

• python 3.9
• pytorch >= 2.0

然后启动命令行激活程序

就可以了

安装CUDA（pytorch-GPU版本）

查看CUDA显卡版本

在cmd命令行终端输入nvidia-smi

显卡支持的内容

2.下载
注意：下载的CUDA版本必须小于最高支持的版本号

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

这里找你的版本

挺大的，感觉后面要有点磁盘空间

很不幸，我安装失败了，解决办法

选择自定义安装

驱动程序驱动程序https://www.nvidia.cn/geforce/drivers/results/237789/为此我特意更新了显卡驱动，更新为studio版本的驱动。

这里有个安装失败，发现是CUDA compute capability造成的，把这个勾掉不要勾选，继续安装

最终，安装成功

nvcc -V

下来访问官网

https://pytorch.org/https://pytorch.org/

点击get started 

往下拉有个配置，第一项是选稳定版本，后面看着硬件来办

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

从图形界面进入激活的环境，然后命令行执行命令

已经开始下载了。别说喜欢用命令行这帮子人，对我这种老技术来讲还挺亲切的

命令激活环境：

bash复制代码

conda activate 环境名

将“环境名”替换为包含PyTorch的Conda环境的名称。

二、使用Python验证PyTorch安装

在激活的Conda环境中，打开Python解释器或运行一个Python脚本，然后输入以下代码来验证PyTorch是否安装成功：

python复制代码

	import torch
	print(torch.__version__)

如果PyTorch已正确安装，上述代码将输出PyTorch的版本号。

三、验证CUDA支持（可选）

如果安装了支持CUDA的PyTorch版本，并且希望验证CUDA是否可用，可以运行以下代码：

python复制代码

print(torch.cuda.is_available())

如果CUDA可用，该命令将输出True；否则，将输出False。

四、进一步验证（可选）

为了更全面地验证PyTorch的安装，可以执行一些简单的PyTorch操作，如创建张量并进行计算。以下是一个示例：

python复制代码

	x = torch.randn(1) # 创建一个包含随机数的张量
	if torch.cuda.is_available():
	device = torch.device("cuda")
	y = torch.ones_like(x, device=device) # 在CUDA设备上创建一个与x形状相同的张量，值为1
	x = x.to(device) # 将x移动到CUDA设备上
	z = x + y # 在CUDA设备上进行计算
	print(z) # 输出结果
	print(z.to("cpu", torch.double)) # 将结果移回CPU并转换为double类型

如果上述代码能够成功运行并输出结果，那么可以进一步确认PyTorch及其CUDA支持都已正确安装。

完事，掌声响起来~~