【超简单】2023安装CPU和GPU的pytorch

安装CPU的pytorch

一、首先要创建新的conda环境，以免各个库之间发生冲突

1、在cmd中查看python版本

python

2、在anaconda prompt中创建新的环境

conda create -n pytorch_cpu python=3.11
#这里的pytorch_cpu是环境名

3、切换conda环境

conda activate pytorch_cpu

4、查看目前所有的环境信息

conda info --envs

二、在新环境中安装pytorch

1、此时可以看到环境已经变成了新创建的pytorch_cpu，进入pytorch官网，选中自己想要下载的版本后会出现相应代码，复制运行即可。

conda install pytorch torchvision torchaudio cpuonly -c pytorch

如果下载出现问题，可以换源。

2、安装完成后，可以查看当前环境下的所有库

conda list

3、在pycharm中选择已有的interpreter，路径即刚刚环境信息中的路径，安装完成

安装GPU的pytorch

一、查看并更新cuda（可跳过）

1、在任务管理器的性能中可以查看本机的GPU是否为NVIDIA

2、打开NVIDIA控制面板

3、左下角的系统设置中包含显示和组件，显示中可以查看驱动程序版本，组件中可以查看cuda版本；或者也可以通过在cmd中输入nvidia-smi查看。

4、可以在官网更新驱动程序的版本，选择自动更新即可

5、更新完成后，在cmd中再次输入nvidia-smi查看，显示cuda版本已经变为最新版本了。

二、同样创建一个新环境，步骤同上

执行完后，可以看到环境已经变成了新创建的pytorch_gpu

conda create -n pytorch_gpu python=3.11
conda activate pytorch_gpu

三、了解cuda、cudatoolkit等之间的关系

• 【PyTorch】n卡驱动、CUDA Toolkit、cuDNN全解安装教程
• 一篇文章理清GPU、CUDA、CUDA Toolkit、cuDNN的关系
• GPU驱动、CUDA 、cuDNN 和CUDA Toolkit之间的关系（深度学习小白必懂）

简单总结为：

1、如果仅使用pytorch，那么只需进入官网按照给定的代码运行即可，pytorch会自动下载自己所依赖的cudatoolkit包和cuCNN包。

2、如果使用torch的第三方子模块，则需要安装cudatoolkit。

四、在新环境中安装pytorch（这里我们选择了仅使用pytorch的情况）

1、在cmd中输入nvidia-smi，查看cuda版本：

2、进入pytorch官网，选中与其对应的版本后会出现相应代码，复制代码，在刚刚创建的环境中运行。

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

测试是否安装成功

以pycharm为例，选择已存在的interpreter，分别选择cpu和gpu的运行环境运行以下内容。

import torch

print(torch.__version__)

print(torch.cuda.is_available())  # 打印判断是否有GPU的结果
print(torch.cuda.device_count())  # 打印GPU的数量

CPU：

GPU：