pytorch安装详细教程

目录

一、pytorch简介

二、安装 python、anaconda

1、python安装

2、anaconda安装

三、查看显卡驱动版本

四、pytorch安装

1、安装pytorch-cpu版本

2、安装pytorch-GPU版本

五、验证

一、pytorch简介

（GPT生成）PyTorch 是一个开源的深度学习框架，由 Facebook 的人工智能研究团队开发。它因其灵活性、易用性和高性能而受到广泛欢迎。以下是 PyTorch 的一些主要特点和功能：

1. 动态计算图：PyTorch 使用动态计算图（即定义即运行），这意味着计算图在每次运行时都是动态创建的。这使得调试和模型开发更加直观和灵活。

2. 强大的张量库：PyTorch 提供了一个强大的多维数组（张量）库，支持 GPU 加速。张量的操作与 NumPy 类似，但可以在 GPU 上高效运行。

3. 自动微分：PyTorch 提供了自动求导功能，简化了反向传播过程，用户只需关注模型的前向传播部分。

4. 丰富的生态系统：PyTorch 拥有丰富的生态系统，包含了多种高层 API（如 torchvision、torchaudio、torchtext 等），以及许多社区贡献的工具和库，适用于计算机视觉、自然语言处理等领域。

5. 易于集成：PyTorch 可以与其他库和工具无缝集成，例如 NumPy、SciPy 等，并支持多种优化器和损失函数。

6. 社区支持：PyTorch 拥有一个活跃的社区，提供了大量的文档、教程和示例，便于学习和开发。

7. 部署支持：虽然最初设计用于研究，但 PyTorch 也提供了多种工具（如 TorchScript 和 ONNX）来支持模型的部署。

二、安装 python、anaconda

1、python安装

python的安装可以直接进入python官网进行下载，一般情况下大家已经安装了python。

在命令行窗口输入：python，即可查看自己的python版本。这里可以看到我的python版本是3.12.

2、anaconda安装

anaconda安装可以直接访问官网进行下载，进入官网会提示你输入自己的邮箱账号，下载链接会通过邮件发送。这里直接下载windows版本即可。

 下载完成后安装提示进行安装，这里特别要注意的是记住安装路径。后续需要添加环境变量。具体的安装过程可以参考别人的安装教程。

三、查看显卡驱动版本

这里要注意的是需要判断自己有没有NVIDIA显卡。打开设备管理器，点开显示适配器一栏查看自己是否有显卡。

这里能看到我的显卡是3060，在确定自己有显卡的前提下，查看显卡驱动版本。输入win+R，输入cmd打开终端。

在命令行中输入 nvidia-smi，查看到版本，我的版本是12.3

 在一切准备工作完成后，即可进行pytorch的安装。

四、pytorch安装

1、安装pytorch-cpu版本

搜索找到Anaconda Prompt并打开。

创建虚拟环境，一般可以随意定义虚拟环境名称，由于大家要装pytorch，所以我把虚拟环境定义为pytorch，python版本我设置为3.12

conda create -n pytorch python=3.12

激活虚拟环境，我的虚拟环境名称为pytorch，大家可以根据自己的名称进行激活

conda activate pytorch

这里可以看到我已经激活了虚拟环境

在激活虚拟环境后就可以使用pip进行pytorch安装。在命令行窗口继续输入：

pip install torch torchvision torchaudio

安装完成后使用pip list即可查看自己是否安装。

查看到这三个包证明pytorch-CPU已经安装成功。

2、安装pytorch-GPU版本

由于在上文我们已经查看到自己的显卡驱动版本。我的版本为12.3.

安装cuda，这里cuda的安装版本只需要比先看版本低即可。打开官网，由于我的显卡版本是12.3，这里我选择cuda12.1.0。

​

进去之后按照下图进行选择并下载 ，根据自己系统进行选择，我的电脑系统为win11，故选择11

下载完成后按照引导进行安装即可。再次进入终端输入：nvcc -V，查看cuda是否安装成功，从下图中可以看到我的cuda版本是12.1.

接下来进入pytorch官网  进行安装，进入之后下拉，选择安装之前版本。

 根据自己的CUDA 版本，复制相应的命令，我的CUDA是12.1，故复制框中命令。

打开命令行，并激活刚才创建的虚拟环境

conda activate pytorch

粘贴刚才复制的安装命令

到这里所有的安装过程就完成了，接下来就是验证。由于很多开发者使用的开发工具为pychram或vscode，接下来以pycharm为例，进行验证 。

五、验证

打开pychram

设置‪python解释器添加解释器添加本地解释器

 这里选择conda环境，进去一般会自动加载可执行文件，没有可手动添加（conda的安装路径）

下拉选择之前创建的pytorch虚拟环境即可。

 

 下来就可以在pychram中进行验证

创建一个py文件，复制下面的代码，执行即可

import torch
 
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为true表示成功，false代表失败

出现下面的结果就表明验证成功

到这里所有的工作都完成了 ，祝你能够在后续的开发以及学习中顺利！！！