Pytorch在Windows下的环境搭建以及模型训练

最新推荐文章于 2025-07-09 10:26:42 发布
原创 最新推荐文章于 2025-07-09 10:26:42 发布 · 5.9k 阅读 · 16 ·
CC 4.0 BY-SA版权
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。
文章标签：

#pytorch #环境搭建

本文介绍了如何在Windows环境下搭建Pytorch，包括安装Python、GPU驱动、CUDA，以及Pytorch的pip安装。同时，文章还强调了训练集准备的重要性，并提供了使用torchvision数据集的示例，以及自定义数据集的方法。模型训练部分讲解了使用预训练Resnet-18进行迁移学习，定义损失函数和优化器，并展示了训练过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

学习一个工具最好的方法就是去使用它。在学习「深度学习」的路上，你需要选择一个用来搭建神经网络的框架，常见的框架包括 Tensorflow，Caffe，Pytorch 等， 其中最推荐的是 Pytorch，尤其是对于新手，Pytorch 入门快，易上手，代码非常 pythonic。不论你是自己做 demo 还是做产品级的应用，Pytorch 都能胜任，实在是居家旅行必备。

##环境搭建

首先需要搭建软硬件环境，如果有 GPU 的话那最好，没有的话也没关系，跑 demo 还是可以的。如果数据集大的话还是需要 GPU 做支持，GPU 的训练速度是 CPU 的 10 倍以上。操作系统推荐 Linux，我由于工作需要已经把之前的 Linux 换成了 Windows，就主要介绍 Windows。环境搭建的大致步骤如下，如果碰到问题欢迎在下方留言讨论。

  • 安装 python，推荐 python3，本人安装的是 3.7，直接去官网下载 exe 安装即可，要注意的是安装过程中需要勾选 “将其添加到环境变量” 选项，这样就可以直接在命令行输入 python 进入 python 提示符界面了。
    python安装验证
  • 如果有 GPU 的话需要安装 GPU 对应的驱动以及 CUDA，驱动直接官网找到对应显卡版本下载安装，CUDA 的话直接搜索 CUDA 点击进入系统选择页面选择自己的系统版本 Download，下载完成安装一下就好了。安装完成之后可以在 “C:\Program Files\NVIDIA Corporation\NVSMI” 路径下面运行一下 nvidia-smi.exe 确认安装成功。
    NVIDIA 官网驱动下载页: https://www.nvidia.com/Download/index.aspx
    CUDA 下载页: https://developer.nvidia.com/cuda-downloads
  • 安装 pytorch 和 torchvision。在 pytorch 官网主页就可以选择需要的版本以及安装方式，推荐直接 pip 安装，两行命令搞定。
    pytorch 官网: https://pytorch.org/get-started/locally/
    pytorch安装
    安装完成之后在命令行里验证一下有没有实际安装成功，成功的话应该跟我一样：
最低0.47元/天 解锁文章

200万优质内容无限畅学
Zero黑羽枫
关注
PyTorch 下GPU训练环境搭建
qinshi501的博客
05-22 264
'D:\\installation\\anaconda\\envs\\luye\\Lib\\site-packages\\cv2\\cv2.pyd'对大模型进行训练时，可以使用cpu和gpu，gpu训练效率更高，那么在python在怎么使用gpu进行模型训练呢。这里的cp311是python的版本表示3.11.1 cu121表示cuda版本为12.1。下载完成以后，直接安装，选择自定义安装，一步一步，点击完成。这里已经要选择和自己python版本对应的torch版本。5：安装完成以后再次运行脚本。
Windows下Anaconda和PyTorch深度学习环境完整安装配置教程
FJN110的博客
06-22 245
本文详细介绍了在Windows系统下安装配置PyTorch深度学习环境的完整流程。主要内容包括：硬件环境检查（确认GPU支持）、Anaconda环境管理系统的安装与配置、虚拟环境的创建与管理方法、以及PyTorch及其相关组件的安装指南。特别强调了版本兼容性选择策略（如CUDA版本的确定）、显卡驱动更新、使用Anaconda创建隔离的PyTorch专用环境等关键步骤。无论是使用CPU还是GPU版本，读者都能按照教程快速搭建稳定的PyTorch开发环境，为深度学习项目打下坚实基础。
pytorch安装(windows)
m0_62244898的博客
01-17 1046
（1）下载pycharm PyCharm: the Python IDE for Professional Developers by JetBrains (2)下载anaconda Anaconda | The World's Most Popular Data Science Platform (3)创建一个新环境：torch conda create -n torch -y (4)进入新环境 conda activate torch (5)加入清华源 conda config --a
Windows 安装 PyTorch
Darker的博客
11-23 3063
PyTorch是一个流行的深度学习框架，支持动态计算图，易于调试和开发。以下是从环境配置到成功安装PyTorch的详细步骤，包括常见问题的解决方法。
【Python】 pytorch
最新发布
宅男很神经
07-09 770
在深入PyTorch的广阔世界之前，一个稳定、隔离且易于管理 的Python环境是必不可少的。如同建造摩天大楼需要坚实的地基，机器学习项目的开发也需要一个清洁且无冲突的软件环境。在这里，我们将专注于使用Anaconda或Miniconda来管理您的Python环境。Anaconda是一个功能完备的Python和R数据科学平台，它集成了conda包管理器、Python解释器以及大量预安装的常用数据科学库（如NumPy、SciPy、Pandas、Matplotlib等）。对于初学者或希望快速搭建起手即用环境的用
pytorch安装（windows）
you 是 mine
09-15 7815
torch总共分为两个版本，GPU版和CPU版，CPU版安装非常简单，直接安装即可，在此详细介绍 GPU 版的安装方式。GPU版安装需要注意以下几个地方，需要进行匹配才能安装上，否则即便安装上也运行不了（1）CUDA的版本（2）python的版本（3）操作系统，本博客以 windows 为例。
在Windows中安装PyTorch及Torchvision
qq_44640357的博客
02-28 813
在Windows版本中安装PyTorch
windows平台PyTorch安装
ch_musk的博客
06-27 424
一 PyTorch安装 1.使用pip安装 目前，使用pip安装PyTorch二进制包是最简单，最不容易出错，同时也是最适合新手的安装方式。从PyTorch官网选择操作系统，包管理器pip,Python版本及CUDA版本，会对应不同的安装命令 现在官网推出了window版本的PyTorch 复制官网的安装命令，打开cmd输入 pip...
001-Windows下PyTorch极简开发环境配置
ahhjian的专栏
03-22 539
本节介绍Windows系统下配置一套基于Pytorch框架的极简深度学习开发环境。
使用docker搭建分布式pytorch+cuda训练模型（一）
2401_83051627的博客
07-10 1739
由于训练模型所需要的环境一致，因此使用docker创建镜像并在各个服务器中开启容器。随后运行pytorch模型进行分布式训练。过程如下主机使用centos镜像创建容器在容器中搭建环境，上传代码将容器打包成镜像将镜像发布到各个服务器各个服务器开启容器，执行分布式训练。
Pytorch在windows上的安装
ZongXS的博客
03-26 257
转载： PyTorch Windows 安装教程：两行代码搞定 PyTorch 安装
用 PyTorch 实现 YOLOv3 训练和推理-python开发
06-18
用 PyTorch 实现 YOLOv3 训练和推理 简介 https://github.com/ultralytics/yolov3 存储库包含 PyTorch 中 YOLOv3 的推理和训练代码。 该代码适用于 Linux、MacOS 和 Windows。 默认情况下，训练在 COCO 数据集上完成：https://cocodataset.org/#home。 YOLO 归功于 Joseph Redmon：https://pjreddie.com/darknet/yolo/。 要求 Python 3.7 或更高版本，安装了所有 requirements.txt 依赖项，包括 Torch >= 1.5。 安装运行：$ pip install -U -r requirements.txt Tutorials Notebook Train Custom Data << 强烈推荐 GCP Quickstart Docker Quickstart Guide A TensorRT Implementation of YOLOv3 and YOLOv4 Trainin
Windows系统安装PyTorch
m0_73500130的博客
03-30 590
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序,PyTorch的核心思想是使用张量（tensor）来表示数据，并通过动态计算图来构建和训练神经网络模型。这种动态计算图的方式与静态图相比，提供了更大的灵活性和易用性,用户可以在模型训练过程中实时地查看和修改计算图，从而更好地理解和优化模型的性能。在安装PyTorch之前需要先安装Anaconda。
Windows 下安装Pytorch
热门推荐
去向前方的博客
12-08 1万+
前言 Pytorch 发布了1.0，对windows的支持效果更好，因此，今天试了一下安装Pytorch。 安装速度确实很快，安装也很方便。 首先，安装anacona 可以参考本篇文档安装 ANACONDA安装 查看配置 可以通过以下文档，查看cuda的配置 window下查看cuda版本 安装Pytorch 进入pytorch的官网： Pytorch 根据版本输入相应命令。 #测试 好了可以跑...
Windows下安装Pytorch
YZXnuaa的博客
06-06 2863
需要满足以下条件：Anaconda3 x64 (with Python 3.5/3.6)Windows 64位系统（Windows 7 或 Windows Server 2008 及以上）GPU版本还需要任意版本的 CUDA （包内置了CUDA 8 / 9 的部分主要二进制文件）这几个条件个人感觉还算比较OK，如果不想放弃Anaconda2也可以创建虚拟环境来使用。要安装的话，如果你不嫌弃anac...
win安装pytorch
Loong Cheng的博客
02-18 274
我的环境win10+py3.6 64位。 1.点入网址：https://pytorch.org/get-started/locally/，选择适合你电脑的配置： 下面会出来【run this command】,打开cmd，键入 pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.1-cp36-cp36m-win_am...
windows下安装pytorch
qq_41025698的博客
10-08 2485
社区版本开源，专业版对学生也是免费的，但需要学生认证，需要教育邮箱（现在Github上注册账号，把学生认证完成，拿到开发者包，包里就提供了PyCharm专业版，但社区版就足够了）-----------------------------------完结，撒花-----------------------------------------------该步骤主要是了解自己电脑的配置，根据自己电脑的配置下载安装与之匹配的环境。你觉得你有，但任务管理器上没有 ，有可能是你没装。创作不易，还请多多支持！
在windows环境下怎样搭建AI绘画模型
03-30
<think>好的，我现在需要回答用户关于在Windows系统上部署AI绘画模型的问题。用户提到了使用TensorFlow或PyTorch，以及配置教程和所需依赖。首先，我得回顾一下自己知道的关于AI绘画模型部署的知识，尤其是Windows环境下的步骤。 首先，AI绘画通常涉及生成对抗网络（GANs）或扩散模型（如Stable Diffusion）。这些模型需要深度学习框架的支持，比如TensorFlow或PyTorch。用户可能已经了解了一些基础知识，但需要具体的部署指导。 接下来，我需要考虑Windows环境下安装这些框架的步骤。TensorFlow和PyTorch都有针对Windows的安装指南，但用户可能需要详细的步骤，比如通过pip安装，或者使用conda环境管理。此外，还需要考虑GPU的支持，比如NVIDIA的CUDA和cuDNN，这对加速训练和推理非常重要。用户可能拥有NVIDIA显卡，因此需要指导他们安装相应的驱动和工具包。 然后，依赖项的管理也是一个重点。除了框架本身，可能还需要安装额外的库，比如Pillow处理图像，numpy进行数值计算，以及模型特定的依赖，比如diffusers库对于Stable Diffusion。用户可能需要明确的pip命令来安装这些包。 配置教程部分，可能需要分步骤说明，从环境准备到模型下载，再到示例代码的运行。例如，使用Hugging Face的Transformers或Diffusers库来加载预训练模型，并生成图像。同时，需要确保代码示例适用于Windows，避免路径或权限问题。 此外，用户可能会遇到常见问题，比如CUDA版本与框架不兼容，或者依赖项冲突。这时候需要提供一些故障排除的建议，比如检查CUDA版本，更新显卡驱动，或者创建虚拟环境来隔离依赖。 还需要参考用户提供的站内引用，其中提到TensorFlow和PyTorch的使用，以及macOS的教程，但用户问的是Windows，所以可能需要调整步骤，比如使用不同的安装命令或配置方式。引用[1]提到了Python作为常用工具，以及预训练模型的使用，所以应该在回答中强调这些点，并可能引用相关资源。 最后，生成相关问题，可能需要考虑用户进一步的需求，比如优化性能、处理特定类型的图像生成，或者与其他工具的集成。 现在需要组织这些思路，按照用户要求的格式，分步骤详细说明，确保LaTeX格式正确，同时引用提供的参考资料。要使用中文，结构清晰，代码示例正确，并附上相关问题。</think>以下是在 Windows 系统上部署 AI 绘画模型的详细步骤： --- ### 一、环境准备 1. **安装 Python** 推荐使用 **Python 3.8-3.10** 版本（兼容性最佳），从[官网](https://www.python.org/)下载并安装时勾选"Add Python to PATH"。 ```bash python --version # 验证安装 ``` 2. **配置 GPU 支持（可选但推荐）** - **NVIDIA 显卡驱动**：更新至最新版本[^2]。 - **CUDA Toolkit**：安装与深度学习框架匹配的版本（如 PyTorch 推荐 CUDA 11.8）。 - **cuDNN**：从 NVIDIA 开发者网站下载对应版本，解压后复制到 CUDA 安装目录。 3. **创建虚拟环境** 使用 `conda` 或 `venv` 隔离依赖： ```bash conda create -n ai_painting python=3.10 conda activate ai_painting ``` --- ### 二、安装深度学习框架 #### 选项1：PyTorch（推荐） ```bash # 安装 PyTorch 及 CUDA 支持（以 CUDA 11.8 为例） pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` #### 选项2：TensorFlow ```bash # 安装 TensorFlow 及 GPU 支持 pip install tensorflow[and-cuda]==2.12.0 ``` 验证 GPU 是否可用： ```python import torch print(torch.cuda.is_available()) # PyTorch 输出应为 True import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # TensorFlow 应显示 GPU 信息 ``` --- ### 三、安装 AI 绘画模型依赖 1. **基础依赖库** ```bash pip install numpy pillow matplotlib transformers diffusers ``` 2. **模型专用库** - **Stable Diffusion**：通过 `diffusers` 调用： ```bash pip install accelerate scipy ftfy ``` --- ### 四、部署示例：Stable Diffusion 图像生成 ```python from diffusers import StableDiffusionPipeline import torch # 加载预训练模型 model_id = "runwayml/stable-diffusion-v1-5" pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16) pipe = pipe.to("cuda") # 使用 GPU 加速 # 生成图像 prompt = "中国山水画风格的未来城市" image = pipe(prompt).images[0] image.save("output.png") ``` --- ### 五、常见问题解决 1. **CUDA 版本不匹配** 检查 PyTorch/TensorFlow 官方文档的 CUDA 兼容性表，重新安装对应版本。 2. **显存不足** 降低图像分辨率或使用 `pipe.enable_attention_slicing()` 优化显存。 3. **模型下载失败** 手动下载模型权重（Hugging Face Hub）并指定本地路径[^1]。 ---
评论 4
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