2024年Pytorch + CUDA配置教程（Windows版）手把手教学，详细讲解

最新推荐文章于 2025-04-23 16:12:50 发布

懒大王爱吃狼

最新推荐文章于 2025-04-23 16:12:50 发布

阅读量7.1k

点赞数 33

文章标签： pytorch windows 人工智能 pycharm python pandas 开发语言

本文链接：https://blog.youkuaiyun.com/m0_65482549/article/details/141195825

版权

2024年Pytorch + CUDA配置教程（Windows版）

请注意，由于PyTorch和其依赖项（如CUDA、cuDNN）会不断更新，因此安装过程中可能需要参考最新的官方文档和指南。

准备工作

确认Python环境：
PyTorch需要Python 3.6或更高版本。可以通过命令行输入python --version或python3 --version来检查Python版本。
如果未安装Python或版本不符合要求，建议从Python官网下载安装。
安装Anaconda（可选但推荐）：
Anaconda是一个开源的Python和R语言的分布式版本，用于科学计算（数据科学、机器学习应用、大数据处理和可视化）。它简化了包管理和部署，并允许用户轻松地安装、运行和更新包及其依赖项。
从Anaconda官网下载适合您操作系统的版本并安装。

[Step 1] GPU驱动安装——版本越新越好

Windows系统的显卡驱动应该很好装，全是图形化窗口，显卡驱动的下载网站是：英伟达显卡驱动查找地址

alt text

在这里选择你的显卡并点击“开始搜索”查找驱动，并在下方下载名为GeForce Game Ready驱动程序的驱动即可，其余安装过程直接一直下一步就可以安装完成了。

alt text

[Step 2] 决定Pytorch版本——要在装CUDA之前就确定好

此步骤非常关键，这也是很多人装了卸载，然后再装再卸多次都不能成功的原因之一。

打开这个网页查看pytorch官网支持的两各版本CUDA：Pytorch下载链接

alt text

截至2024年6月22日，官网支持11.8和12.1两个版本的CUDA，因此我们只需要根据一会安装的CUDA来选择安装pytorch的命令即可

[Step 3] CUDA安装及环境变量配置

此步骤前提为安装好GPU驱动，若驱动没有安装好，请移步[Step 1]。

首先进入cmd命令行，输入如下命令：


nvidia-smi

命令行输出：

+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 555.42.02              Driver Version: 555.42.02      CUDA Version: 12.5     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 4080        Off |   00000000:01:00.0  On |                  N/A |
|  0%   49C    P0             60W /  320W |    1209MiB /  16376MiB |      5%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                                         
等等......

其中， Driver Version: 后面是驱动版本，这个当然越高越好，越高的版本有可能支持更高的CUDA版本；CUDA Version: 后面是支持的最高CUDA版本。也就是说本机安装的CUDA版本不能高于此版本。

最高CUDA版本为11.x的不可以安装12.1版本CUDA所支持的pytorch；

最高CUDA版本为12.x的可以选择安装任意一种pytorch，语法没有差别。

以本机为例，CUDA版本不能高于12.5，也就是说我可以选择安装12.1版本的pytorch

接下来我们来到CUDA Release下载安装CUDA工具包（CUDA Toolkit）

CUDA版本号a.b.c三个位置中，a必须与pytorch对应的CUDA版本相同，b必须高于pytorch对应的CUDA版本，如我想要下载12.1CUDA对应的pytorch，我可以下载12.4版本的CUDA甚至最新版（12.5）CUDA。

下载完成后，安装还是一直下一步，不需要更改安装位置，只需要默认即可。

CUDA会默认安装到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\{版本号}中。

此时打开命令行并输入


nvcc -V

来检查CUDA安装是否成功，并查看CUDA版本号。

若安装成功，则命令行输出类似信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Thu_Mar_28_02:18:24_PDT_2024
Cuda compilation tools, release 12.4, V12.4.131
Build cuda_12.4.r12.4/compiler.34097967_0

否则找不到nvcc命令。

若安装失败，原因有可能是nvcc目录没有在环境变量中，在此提供一个解决办法：

进入“编辑系统环境变量”
添加环境变量CUDA_HOME，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\{版本号}
修改Path变量，在后面追加%CUDA_HOME%\bin
一路确定
重新打开命令行窗口
输入nvcc -V，成功查看上述消息

至此，CUDA安装成功！

[Step 4] Anaconda安装及环境变量配置

Anaconda拥有强大的包管理器和较简单的虚拟环境配置过程。可以说，学习数据处理或者人工智能，这个Anaconda是必备的软件之一。因此这部分不了解的就别跳过啦，好好看完吧！

Anaconda官网

Anaconda安装

进入上述官网进行Anaconda下载，选择Windows平台下载，并进入安装。

安装位置可以选择空间较大的盘，因为以后可能会创建多个虚拟环境。默认的安装位置为C:\ProgramData\anaconda3，为了方便记忆，我只改变盘符而不改变其他路径，我将其修改为D:\ProgramData\anaconda3

这一步骤全选：

alt text

然后点击Install开始安装，等待安装完成。（可能需要一定的时间）

添加CONDA环境变量

安装之后需要主动将conda执行文件配置到环境变量中：

首先创建环境变量CONDA_HOME，值为{anaconda3文件夹位置}，例如，在本人的例子中为D:\ProgramData\anaconda3。
然后在Path变量中追加以下五条内容：

%CONDA_HOME%

%CONDA_HOME%\Library\bin

%CONDA_HOME%\Library\usr\bin

%CONDA_HOME%\Library\mingw-w64\bin

%CONDA_HOME%\Scripts
添加完毕后新打开一个命令行窗口输入conda --version来测试conda是否可用。
初始化conda命令：

依次输入以下两条命令：
```
conda init
conda init cmd.exe
```

至此，conda配置成功

[Step 5] 新建Python虚拟环境

此步骤使用conda创建虚拟环境

conda换源<可选步骤>

若不能使用魔法从官方库下载，或连接十分缓慢，可选择此步骤。此步骤将conda源换为清华源

执行conda config --set show_channel_urls yes生成.condarc文件之后进行修改。.condarc文件生成于C:\Users\{电脑用户名}文件夹下。
打开此文件后将其修改为如下内容并保存：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

运行conda clean -i，清空索引缓存，确保使用的是清华源

创建适合于pytorch的虚拟环境

我们新建一个虚拟环境，使用如下命令创建（命令中{虚拟环境名}替换为你想创建的名字，使用英文）：
```
conda create -n {虚拟环境名} python=3.9 matplotlib numpy pandas jupyter
```
我们新建一个python版本为3.9的虚拟环境，初始化安装了matplotlib, numpy, pandas库，以避免后续依次安装而造成的依赖版本冲突问题。

Tips: 经验得出的结论，这样安装的python包会自动协调版本内容，避免冲突。所以尽可能在创建时一次安装完成。但有些python包比较大，下载如果过慢会导致创建时间随之延长。

等环境创建完毕后进入此虚拟环境，命令为：
```
conda activate {虚拟环境名}
```
新建完虚拟环境后，就可以正式安装pytorch了。

我们回到pytorch的官网

选择Stable的build版本，Windows平台，Conda包管理器，Python语言和与自己安装的CUDA版本兼容的CUDA

复制下面的安装指令，以我的电脑为例，大概长这个样子：
```
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
```
经过漫长的等待之后，pytorch安装成功

验证安装

安装完成后，可以通过Python脚本来验证PyTorch是否安装成功，并检查是否可以正确利用GPU（如果安装了GPU版本）。

测试GPU是否可用

在本虚拟环境中，使用python命令进入python控制台
导入pytorch包，并验证cuda是否可用

>>> import torch
>>> torch.cuda.is_available()

python控制台输出True，则GPU可用，环境安装完毕

在这里插入图片描述