如何安装cuda版本的pytorch

最新推荐文章于 2025-05-28 17:55:26 发布
最新推荐文章于 2025-05-28 17:55:26 发布
阅读量857 收藏 5
点赞数 14
CC 4.0 BY-SA版权
文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/C_VuI/article/details/148013990

为什么安装Cuda

对于做深度学习研究的小伙伴本，当我们处理大量的数据时，尤其是图像数据时，过量的数据会导致我们的CPU运行压力过大，占用大量的运行内存，而且用CPU进行模型训练，训练的时间会很长，这不利于我们PC用户的科学研究，相反，Cuda是NVIDIA开发出来的一个用于模型训练的一个很好的工具，可以快速有效的帮助我们进行模型的训练。

安装Cuda的流程

检查我们PC支持的Cuda版本

win + R 打开我们的运行管理器输入cmd，打开命令行，输入下面这行代码

nvidia -sim

我这里支持CUDA的版本是12.6
在这里插入图片描述

安装Cuda

这里附上官网链接
https://developer.nvidia.com/cuda-toolkit-archive
大家通过复制进行搜索

打开网址是这样的，你根据你支持的Cuda版本下载相应的Cuda
安装的过程一路点击确定即可，对于我们普通用户选择精简版就可以

Cuda 安装验证

同样的，在命令行中输入

nvcc -V

产生和下面这个图片差不多的信息就表明你安装成功了
在这里插入图片描述

Pytorch 的Cuda版本的安装

直接在我们的python终端执行

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/

在whl后面加上你的cuda版本比如cuda11.8
这样你就可以下载成功了

C_VuI
关注
Pytorch安装详细教程（Wins+CUDA+Pycharm+GPU）
weixin_47590992的博客
09-02 6920
Pytorch安装教程详解，避开安装过程踩过的雷。
安装GPU版本的PyTorch
abc234ABC的博客
08-04 2495
速度太慢 将torch的下载地址 https://download.pytorch.org/whl/cu118/torch-2.4.0%2Bcu118-cp39-cp39-win_amd64.whl 加入到迅雷中下载，下载成功将下载好的文件拖入。一起安装了pytorch、torchvision、torchaudio。网址：nvidia.cn 安装显卡驱动最新版本 12.6。接着下载torchaudio和torchvision。注意：以下情况才是安装的GPU版本。我的12.6>11.8。
cuda和cudnn下载（精简安装）
bookye_的博客
09-10 3367
精简安装cuda和cudnn，不影响后续工作。
安装适合cuda12.6的pytorch
Sr6220033的博客
03-14 728
安装适合cuda12.6的pytorch。
PyTorch安装&Cuda版本选择
最新发布
u012994320的博客
05-28 746
PyTorch分为CPU和GPU版本。
安装CUDA以及GPU版本的pytorch
热门推荐
qq_66608435的博客
08-27 4万+
打开NVDIA控制面板，点击左下角“系统信息”，然后就可以看到NVDIA GPU的详细信息，其中就包含了CUDA的版本。在官网安装合适版本的cuda-toolkit。然后在PyTorch官网找到正确版本进行下载安装。使用pytorch进行深度学习的时候，往往想用GPU进行运算来提高速度。于是搜索便知道了CUDA。这时候可能没有将CUDA添加到环境变量。, 以及PATH中是否包含了cuda的bin目录。会安装cpu版本的torch，导致无法使用cuda）卸载原先的torch，就会显示True了。
Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）
2302_76726543的博客
12-01 3万+
最近训练模型跑代码需要用到nvidia的cuda架构加速，结果网上几乎找不到什么能直接解决问题的教程，最后东拼西凑了几个小时才搭建完成，所以想整理出这篇集百家之精华的教程，防止自己以后太久不用忘记了。
CUDA&Pytorch安装使用（保姆级避坑指南）
qq_59006308的博客
06-25 4万+
2024年6月25日，注定血与泪的一天，因为我想试试，我这个华硕的天选4搭载的NVIDIA GeForce RTX 4060推理速度如何，所以就开始与CUDA的战斗。。。（然后开始被折磨一整天）
安装CUDA+Pytorch
qq_41386947的博客
03-30 5448
安装CUDA+Pytorch，用于深度学习，旨在为有类似需求的人拥有快速且舒心的安装体验。
Windows 下安装 CUDA 和 Pytorch 跑深度学习
weixin_51869107的博客
02-09 635
在右上角红圈位置会显示你可以安装的CUDA版本，安装版本小于这个版本号即可，但一定是大版本一致，例如你的CUDA Version为12.XXX，你安装的CUDA版本也要为12.XXX。下面请注意直接用这个指令下载pytorch会特别慢，会停在一个几个g的文件，然后两百多kb下载，我们可以用下面方法解决，把下图中红框的链接复制到迅雷中下载，会快很多。进入之后的目录为你的cmd所在的目录，将d2l-zh文件夹放在jupyter notebook所在目录中。，我的版本为12.6.则我的指令为cu126，
如何在 Conda 环境中安装 CUDA 和 PyTorch
Q_666JR的博客
07-01 2846
我在下载完CUDA后发现我的conda环境中并没有CUDA，我通过搜索网站确定我们安装 CUDA 到计算机后，CUDA 并不会自动包含在 Conda 环境中。这就意味着我们在 Conda 环境中使用 CUDA，需要手动安装适用于该环境的 CUDA 版本，还有要确保环境变量和路径设置正确。
Windows下安装CUDA和Pytorch
haqiedaba的博客
09-22 1204
win安装CUDA和Pytorch，用GPU跑深度学习
Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）_cuda12
2401_84557821的博客
05-02 5804
2、点击安装程序进行安装选择默认路径即可（只是个临时提取安装程序的文件夹）选择自定义安装将Visual Studio Integration选项取消（没什么用而且会影响下载）确定安装路径（可以修改，最好记住）等待安装即可安装完成后查看一下是否有环境变量，没有自己手动添加CUDA_PATH打开cmd，输入nvcc -V查看cuda版本输入set cuda查看环境变量如上两图即为下载成功！
手把手Pytorch安装及配置教程(Vscode/Anaconda/CUDA/Pytroch)
qq_45790241的博客
08-20 1万+
安装完毕后，其实对这些软件之间的关系有一些感觉了，我们有必要了解一下我们安装这些软件和它们之间的关系，这样以后安装就不用看教程了。注意，如果自己的显卡驱动已经更新过了，可以跳过这一节，检查驱动版本方法：Win+r打开cmd，输入nvidia-smi。注意，这里如果是之前一直打开的cmd窗口，输入nvcc -V可能报错，这里要新开一个cmd窗口验证。)，选择下载之前的版本，然后先搁置这个网页，我们先来用Anaconda创建一个虚拟环境。注意，CUDA的版本小于等于12.6即可，这里我们就安装12.0的吧。
成功解决cuda对应torch安装问题
m0_69130714的博客
04-22 830
自身的cuda 12.0，官网conda 下载时无法成功或网速较慢时，可以采用本地安装的方式。注明：本博客主要用于个人学习，方法均为亲身试验可行的！
windows cuda12.6 安装tensorflow gpu 版本和pytorch共存
qq_39620537的博客
12-03 3840
要用到tensorflow，但最新版tensorflow不支持gpu了，低版本又不支持cuda12.6的高版本。在电脑上已经安装了cuda12.6和cudnn的情况下，安装了最新版的pytorch。然后摸索了一下，继续安装了tensorflow2.10。
【Python · Pytorch】配置cuda环境 & cuDNN库
茶色喵的博客
09-06 8814
本文介绍如何配置cuda环境、cuDNN库，并安装GPU版本的Pytorch。
Pytorch-gpu环境篇
东皇太一在此的博客
11-27 5353
最最最头疼的就是配环境了。
Pytorch的安装，有点繁琐但是很详细，保姆级教程不信你安装不成功（Cuda+Cudnn+Anaconda+Pytorch）
weixin_46668520的博客
11-15 7554
PyTorch是一个开源的Python机器学习库，它提供了丰富的工具和功能，用于构建深度学习模型。它由Facebook的人工智能研究小组于2016年发布，并迅速成为深度学习领域中最受欢迎的框架之一。PyTorch的设计目标是提供简单易用的接口，同时保持灵活性和高性能。它基于动态计算图的概念，这意味着模型的计算图是根据实际运行时的数据动态构建的。这种设计使得PyTorch在实验和原型开发方面非常方便，因为用户可以轻松地编写和调试模型，而无需事先定义静态计算图。
安装cuda12.6版本的pytorch
03-30
### 如何安装支持 CUDA 12.6 的 PyTorch 为了在 Windows 上配置支持 CUDA 12.6 的 PyTorch 环境，可以按照以下方法操作： #### 方法一：通过 Conda 安装 如果使用 Anaconda 或 Miniconda，则可以通过 `conda` 命令来安装指定版本的 PyTorch 和其依赖项。然而，在官方文档中并未提供直接针对 CUDA 12.6 的预构建 conda 包[^1]。因此建议优先考虑 pip 方式。 #### 方法二：通过 Pip 安装 对于特定版本的支持 CUDA 12.6 的 PyTorch，推荐手动下载并安装对应的 whl 文件。以下是具体步骤： 1. **确认系统环境** - 已经安装好 NVIDIA 驱动程序以及对应版本的 CUDA Toolkit (12.6)[^2]。 - CUDNN 库也需匹配至兼容版本（如 v8.9.x），这一步非常重要以确保 GPU 加速功能正常运行。 2. **获取 Whl 文件链接** 访问 [PyTorch 官方镜像](https://download.pytorch.org/whl/) 页面定位到适合当前系统的 Python 解释器架构与 CUDA 版本组合下的 wheel 文件地址: ```plaintext https://download.pytorch.org/whl/cu126/ ``` 3. **执行安装命令** 使用 pip 来完成安装过程。假设目标是安装 torch-2.5.1 及其配套组件 torchaudio 和 torchvision ，则分别输入如下指令: ```bash pip install --upgrade pip setuptools wheel pip install https://download.pytorch.org/whl/cu126/torch-2.5.1%2Bcu126-cp310-cp310-win_amd64.whl pip install https://download.pytorch.org/whl/cu126/torchaudio-2.5.1%2Bcu126-cp310-cp310-win_amd64.whl pip install https://download.pytorch.org/whl/cu126/torchvision-0.20.1%2Bcu126-cp310-cp310-win_amd64.whl ``` 注意上述 URL 中 `%2B` 是编码后的加号字符 "+"，实际复制粘贴时可能需要调整为原始形式 "+". 同时要依据本地使用的 python 版本来选取恰当 cpXXX 参数值. 验证安装成功与否可通过简单测试脚本: ```python import torch print(torch.cuda.is_available()) # 输出 True 表明检测到了可用GPU设备. print(torch.version.cuda) # 显示所连接Cuda工具集的具体编号,应显示'12.6'. ``` 以上即完成了基于Windows平台下带有CUDA加速特性的PyTorch框架部署工作流程说明. ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值