Linux环境下安装pytorch1.0.1(python3.7,cuda9.0)和pytorch0.4.1(python2.7,cuda9.0)

最新推荐文章于 2025-09-14 01:43:18 发布

原创

最新推荐文章于 2025-09-14 01:43:18 发布 · 3.6k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #anaconda #cuda #linux

本文记录了在Linux环境下卸载旧版PyTorch并安装PyTorch 1.0.1（Python 3.7, CUDA 9.0）以及PyTorch 0.4.1（Python 2.7, CUDA 9.0）的详细步骤，包括添加镜像源、创建虚拟环境和安装torchvision。" 127864931,16186590,FFmpeg视频源与接收器详解：buffer与buffersink,"['ffmpeg', '音视频', 'c++', 'c语言']

Linux环境下安装pytorch

由于之前安装的pytorch版本与CUDA版本不兼容，导致pytorch无法使用CUDA训练代码，将pytorch进行了卸载重装，记录一下自己卸载重装pytorch的过程，少走些弯路。

uninstall pytorch

首先是卸载原来的pytorch，显示Successfully uninstalled torch就是卸载成功了。
pip uninstall torch

Proceed (y/n)? y
  Successfully uninstalled torch-1.3.0

install pytorch1.0.1 with python3.7,cuda9.0

下一步安装对应CUDA版本的pytorch版本，首先添加镜像源

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

free youreself

关注关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

RuntimeError: Detected that PyTorch and torchvision were compiled with different CUDA versions解决方案

weixin_43178406的博客

09-06

4万+

本文主要介绍了RuntimeError: Detected that PyTorch and torchvision were compiled with different CUDA versions解决方案，希望能对学习torch的同学们有所帮助。文章目录 1. 问题描述 2. 解决方案

win10下pytorch深度学习环境搭建cuda10.0-py3.7图文并茂含下载链接

qq_39954916的博客

10-10

685

安装步骤 1.检查显卡驱动版本看是否有合适的GPU, 若有，则安装Cuda与CuDNN 2.下载pytorch安装文件，进行pytorch的安装一、安装cuda 1、检查电脑是否有合适的GPU 在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本。点击帮助->点击系统信息弹出下面的对话框，在驱动程序版本那一栏就能看到该计算机使用的驱动版本。如果同时存在集成显卡的，要把独立显卡设置为默认的显卡。 ...

1 条评论您还未登录，请先登录后发表或查看评论

ubuntu 安装 pytorch （ubuntu16.04+pytorch0.4.1+python2.7+cuda8.0）

最新发布

gitblog_01168的博客

09-14

381

你是否曾因DAIN（Depth-Aware Video Frame Interpolation，深度感知视频帧插值）环境配置失败而放弃？作为CVPR 2019的明星项目，DAIN凭借其SOTA级的帧插值效果成为视频增强领域的标杆，但复杂的环境依赖和CUDA扩展编译让70%开发者望而却步。本文将通过**12个步骤**+**8个解决方案**，助你在Ubuntu系统上从零构建稳定运行环境，最终实现4K视...

pytorch-1.1.0-py3.7_cuda90_cudnn7_1安装教程

weixin_42469540的博客

09-22

1855

如题，我的本地环境是Windows+python3.7+cuda9.0，想要安装Pytorch 1.1版本，开始是在Pytorch官网https://pytorch.org/找到了对应安装命令，conda install pytorch1.1.0 torchvision0.3.0 cudatoolkit=9.0 -c pytorch，但是后来发现torch下载实在是太慢了。于是就想到了使用离线安装的方式，查到了靠谱经验贴https://blog.csdn.net/qq_41936559/article/de

pytorch0.4.0 -python2.7安装需要的包

ALANRUOMENG的博客

03-26

3922

blas: 1.0-mkl cffi: 1.12.2-py27h2e261b9_1 cudatoolkit: 9.0-h13b8566_0 cudnn: 7.3.1-cuda9.0_0 intel-openmp: 2019.3-199...

python2.7安装pytorch_PyTorch安装

weixin_34543510的博客

03-01

3409

从零安装深度学习环境 Anaconda+cuda+pytorch+python等等

qq_37909691的博客

09-14

1413

文章目录前言一、环境篇1 Anaconda1.1 安装1.2 使用2 Cuda2.1 安装3 Pytorch3.1 安装4 python5 Pycharm5.1 安装总结前言九月，又是新的一年新生入学时期。想必师弟师妹现在也已经实验室就位了，为了方便新生尽快熟悉深度学习，这里总结了一些我之前关于环境的配置方面的东西，尽量少走些弯路。提示：在以下的安装过程中，均使用win10的沙盒功能，进行安装。一、环境篇本文只介绍如何安装相对应的环境，不做具体的探讨。 1 Anaconda 1.1 安装官

Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）_cuda12(1)

2401_84557821的博客

05-02

1055

【代码】Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）_cuda12(1)

Python+PyCharm+PyTorch+Cuda/GPU 安装步骤

虫子牛虻——我和我的影子

02-14

2060

windows安装pytorch+cuda步骤

pyhton2.7安装

qq_34748796的博客

10-17

566

1 .linux下python2.7安装现在大多数公司都是用python2.7 ，python官网分2.7和3.6版本，故本实验用2.7.14版本实验环境：centos6.5 64位 python 官网 https://www.python.org/downloads/source/ 1.1 进入linux目录，下载python2.7.14的tgz包（随着时间变幻，官网资

pytorch 0.4.1 for python3.7 官方windows64位版本

09-30

pytorch 0.4.1 for python3.7 官方windows64位版本，pip安装

Ubuntu16.04 中 pip 使用清华源快速安装 pytorch 0.4.1

Zack的博客

12-04

3320

环境 Ubuntu 16.04 python3.x 总结了几种pip安装 pytorch 0.4.1 的方法：方法1 pip直接安装 pip install torch==0.4.1 缺点：下载速度特别慢，而且可能中断，然后又得重新下载方法2 pip 使用清华源快速安装 pytorch 0.4.1 pip install torch==0.4.1 -i https://pypi....

Window10+Anaconda（python3.7）pytorch1.0.1+cuda9.0.176+cudnn-v7.5.0

qq_33093927的博客

03-14

3464

前情提要拖了好久的深度学习终于提上了日程，听说pytorch比较好用，而且正好实验室里有相关的书，就不管三七二十一看了起来。第一关当然是配置环境咯，python基本环境当然是必须的，因为我的电脑上有ArcGIS自带的python2.7、Anaconda3的python3.7、还有一个不知道什么时候装的python3.6，所以我一度担心这些小家伙们会在一起打架，后来试探性地在命令行中进...

windows+cuda9.0+pytorch1.1+anaconda环境配置

Adrianna的专栏

12-23

884

本地已经安装了anaconda3+cuda9.0+tensorflow1.7，打算转pytorch，因此记录下pytorch的环境安装。 cuda和anaconda的安装可以参考之前的博文：点我直达 1. 新建anaconda环境新建一个pytorch的环境，python版本建议选择3.6 conda create -n pytorch python=3.6 2. 安装pytorch 因为本地...

CentOS 7.2+Python 3.7+cuda 10.0+cuDNN 7.6+tensorflow 1.13.1踩坑填坑记

分享数据科学家的自我修养

06-01

1691

CentOS安装tensorflow-gpu的过程遍地是坑，有条件的哥们还是遵从Tensorflow官方建议，直接上Ubuntu。如下主要包含了几个分支：安装Python 3 显卡驱动 CUDA/cuDNN tensorflow-gpu glibc和gcc CentOS 7.2安装Python 3.7 CentOS 7.2默认的Python版本是2.7.5，这里采用源码编译安装Python...

CUDA9.0安装pytorch1.1.0 py3.7

innovationy的博客

03-18

1530

CUDA9.0安装pytorch1.1.0 py3.7 镜像网站 pytorch-1.1.0-py3.7_cuda90_cudnn7_1.tar.bz2 torchvision-0.3.0-py37_cu90_1.tar.bz2 大家注意对照着日期来找文件 conda install --offline pytorch-1.1.0-py3.7_cuda90_cudnn7_1.tar.bz2 conda install --offline torchvision-0.3.0-py37_cu90_1.tar

win10+1050显卡+cuda9.0+cudnn7.6.5+pytorch1.1.0+py3.7(conda)安装+jupyter运行+pycharm运行（conda环境）

weixin_44151034的博客

05-08

4372

win10+1050显卡+cuda9.0+cudnn7.5+pytorch1.1.0安装参考网址安装cuda9.0检查GPU显卡支持的cuda版本下载并安装cuda 9.0修改环境变量安装cudnn7.6查看与cuda对应的cudnn版本注册NVIDIA账号下载cudnn并解压到cuda目录安装pytorch1.1.0创建新的虚拟环境安装pytorch检验pytorch是否成功安装因为想要在本地笔记本安装pytorch来支持一些深度学习小程序的运行，所以在本地安装一下cudad和cudnn，并安装对应版本

pytorch环境和python环境的环境的区别

09-05

<think> 首先，用户的问题是：“我想了解pytorch环境和python环境的区别请问pytorch环境与python环境的区别”。用户提供了参考引用：[1]和[2]，但这些是关于安装PyTorch的指南，不是直接解决区别的。我需要基于用户上一次的问题和我的回答。用户上一次的问题是系统指令，不是具体查询，所以这里可能是首次询问。关键点：我需要解释PyTorch环境和Python环境的区别。回想我的知识： - **Python环境**：指的是Python安装和相关的库设置。这包括Python解释器本身、标准库以及通过pip或conda安装的第三方包。Python环境可以是全局的或虚拟的（如virtualenv或conda环境）。 - **PyTorch环境**：PyTorch是一个深度学习框架，运行在Python之上。所以，"PyTorch环境"通常指的是一个特定的Python环境配置，它包括PyTorch库及其依赖项（如CUDA、torchvision等）。这可能是一个conda环境或virtualenv环境，专门为PyTorch项目设置。区别： - **范围**：Python环境是更广泛的，包括所有Python相关的设置。PyTorch环境是Python环境的子集，专门用于PyTorch开发。 - **组件**： - Python环境：Python解释器、核心库。 - PyTorch环境：Python环境 + PyTorch + 相关库（如torchvision、torchaudio）+ 可能硬件加速依赖（如CUDA）。 - **隔离**：在开发中，通常使用虚拟环境来隔离不同的项目。PyTorch环境可以是这样一个隔离的环境，以避免库冲突。用户提供的引用[1]提到创建虚拟环境来安装PyTorch特定版本。引用[2]讨论PyTorch版本与Python版本的兼容性。因此，在回答中，我应该： - 清晰解释区别。 - 使用系统指令：行内数学用$...$，独立公式用$$...$$（但这里可能不需要数学公式）。 - 用中文回答。 - 结构清晰。 - 生成相关问题。 - 末尾添加引用标识（引用了提供的引用）。回答结构： 1. **介绍**：简述两者的概念。 2. **核心区别**：详细对比。 3. **示例**：如果需要，参考用户引用。 4. **总结**：强调关键点。 5. **相关问题**：生成相关的问题。生成相关问题： - 如：如何创建一个PyTorch环境？ - PyTorch环境有什么优势？ - Python环境管理工具是什么？确保语言自然、专业。最终回答大纲： - PyTorch环境是Python环境的扩展。 - 区别在于PyTorch环境包含了特定于PyTorch的库和配置。 - 引用用户提供的引用来说明安装过程。 - 结束时生成相关问题。 </think> ### PyTorch环境与Python环境的区别 PyTorch环境（后简称PyTorch环境）和Python环境（后简称Python环境）是深度学习开发中常见的两个概念，它们密切相关但存在本质区别。核心区别在于：**Python环境是基础运行平台，而PyTorch环境是Python环境的特定配置扩展**，专注于支持PyTorch框架的运行。下面我将逐步解释它们的差异。 #### 1. **基本概念** - **Python环境**：指Python解释器和其核心生态系统的集合。它包括： - Python解释器（如Python 3.7或Python 2.7）。 - 标准库（如`os`、`math`等）。 - 通过包管理工具（如pip或conda）安装的通用第三方库（如NumPy、pandas）。 - Python环境可以是全局安装，也可以是虚拟环境（如使用`virtualenv`或`conda`创建），目的是隔离不同项目的依赖。 - 例如，在命令行中输入`python`命令启动的就是Python环境的一部分。 - **PyTorch环境**：指为运行PyTorch框架而特别配置的Python环境。它包括： - Python环境的所有组件。 - PyTorch库本身（如`torch`）。 - PyTorch的相关扩展库（如`torchvision`用于图像处理、`torchaudio`用于音频处理）。 - 硬件加速依赖（如CUDA驱动，用于GPU加速）。 - PyTorch环境通常是一个虚拟环境，专门针对特定PyTorch版本和Python版本做了优化，以避免库冲突。例如，引用[1]中提到的创建`pytorch041`虚拟环境，就是为PyTorch 0.4.1和Python 2.7定制的PyTorch环境[^1]。 #### 2. **核心区别** | 方面 | Python环境 | PyTorch环境 | |--------------------|-----------------------------------------------|------------------------------------------------| | **目标和范围** | 通用的Python编程基础，支持各种应用开发（如Web、数据分析）。 | 专注于深度学习任务，特别是PyTorch框架的运行，需包含特定库和硬件支持。 | | **组件内容** | 核心解释器 + 标准库 + 通用第三方包（例如，安装NumPy不影响PyTorch）。 | Python环境的所有内容 + PyTorch专用包（如`torch`）+ 依赖项（如CUDA）。 | | **版本管理** | 关注Python版本兼容性（如Python 3.7 vs 2.7），但库版本较灵活。 | 严格匹配PyTorch、Python和相关库的版本（例如，PyTorch 1.0.1要求Python 3.7和CUDA 9.0，否则可能出错）。引用[2]强调了版本对应的重要性[^2]。 | | **创建方式** | 通过系统安装或`virtualenv`创建虚拟环境，命令如`python -m venv myenv`。 | 通常在Python环境基础上创建，使用conda或pip安装PyTorch包。引用[1]演示了：`conda create -n pytorch041 python=2.7`，然后安装PyTorch和torchvision[^1]。 | | **应用场景** | 所有Python项目（如脚本开发、数据处理）。 | PyTorch深度学习项目（如训练神经网络、模型部署）。 | | **隔离必要性** | 虚拟环境可选，但如果项目简单，可在全局环境中工作。 | 强烈推荐使用虚拟环境，因为PyTorch版本更新频繁，依赖复杂；否则容易导致冲突（如CUDA兼容性问题）。 | #### 3. **关键联系** - PyTorch环境**基于**Python环境，没有Python环境就无法创建PyTorch环境。PyTorch本身只是一个Python库，运行在Python解释器之上。 - PyTorch环境是Python环境的**子集或特例**：你可以在一个Python虚拟环境中添加PyTorch包来“升级”成PyTorch环境。 - 在实际操作中，安装PyTorch环境时会自动处理Python依赖（如引用[1]中，`conda install pytorch=0.4.1`会检查Python版本是否兼容[^1]）。 #### 4. **总结** Python环境是通用的开发基础，而PyTorch环境是专门为深度学习优化的定制环境，后者额外包含了PyTorch框架及其硬依赖。使用PyTorch环境能确保项目稳定运行，避免版本冲突——这也是为什么引用[1]和[2]都强调创建独立虚拟环境来安装PyTorch[^1][^2]。在实际开发中，用户通常先设置合适的Python环境，再将其扩展为PyTorch环境。