前言
运行环境 Windows
使用软件 Anaconda(也可以使用 Miniconda,相对于 Anaconda 内置包少一些)
使用包管理工具 conda、pip
使用 Python3.9 环境(也可以使用其他Python环境,不要太新也不要太旧即可)
1. 前置准备
-
必须 保证电脑使用显卡为 NVDIA 品牌
-
建议 保证电脑 CUDA 版本 大于 你想要安装的 PyTorch-CUDA 版本(可以使用以下命令查看)
-
如果 想要安装某一版本的 PyTorch-CUDA 版本,但是电脑 CUDA 版本达不到要求,可以 进入 NVDIA 官网升级一下显卡驱动程序版本
2. 关于踩过的坑
安装PyTorch时,一般都会在官网使用 START LOCALLY 提供的 conda 或 pip 命令安装
由此可能出现以下几个问题:
直接使用 conda 命令安装,安装过程中 pytorch 或者其他包安装超时自动跳过。导致最后安装失败,所有安装包全部回滚,下载速度非常慢
直接使用 pip 命令安装,安装直接报错
一部分人把问题归结于下载源问题
我们去测试常用镜像源,如下:
清华镜像源、阿里云镜像源、上海交大镜像源、北京外国语大学镜像源。
经测试,发现并没有能够成功下载 pytorch
3. 最佳安装方式
选择 START LOCALLY 旁边的 Previous PyTorch Versions
这里我们通过手动下载 whl 的方式安装 pytorch:
通过要安装的 pytorch-cuda版本,找到 Wheel 安装链接,如下所示(这里我们以 Windows CUDA 11.8为例):
直接访问命令 --index-url参数 后的链接:https://download.pytorch.org/whl/cu118
我们需要找到下载源里的 torch torchvision torchaudio charset-normalizer 这四个轮子目录
这里以 torch目录为例,介绍如何寻找对应轮子,并下载
观察Wheel命令,我们不难发现
torch==2.0.0+cu118
这样一句话,这里指明了 torch的版本为2.0.0+cu118
进入到下载源里的 torch 目录,
CTRL+F
搜索2.0.0+cu118
后,你会发现很多个 torch 对应的 .whl 文件观察.whl文件名,我们不难发现
torch-2.0.0+cu118-cp39-cp39-win_amd64.whl
就是我们想要下载的 torch 轮子解释: 1. cp39:表示你的 python版本 为 python3.9 2. win_amd64:表示只适用于 Windows 操作系统的 64 位架构
按照步骤 4-7 的方法,把 torchvision、torchaudio、charset_normalizer 这几个轮子也下载下来,通过以下命令即可安装好 pytorch
pip install G:\TechnicalArea\Python\DeepLearning\wheel\torch-2.0.0+cu118-cp39-cp39-win_amd64.whl pip install G:\TechnicalArea\Python\DeepLearning\wheel\torchvision-0.15.1+cu118-cp39-cp39-win_amd64.whl pip install G:\TechnicalArea\Python\DeepLearning\wheel\torchaudio-2.0.1+cpu-cp39-cp39-win_amd64.whl pip install G:\TechnicalArea\Python\DeepLearning\wheel\charset_normalizer-2.1.1-py3-none-any.whl
注意事项:
G:\TechnicalArea\Python\DeepLearning\wheel\torch-2.0.0+cu118-cp39-cp39-win_amd64.whl
为我存放轮子文件的路径,需要替换为你自己的路径和文件名,其余几个同理。安装成功,完结撒花
4. 补充方式
如果下载whl过程中网速特别慢,并且没有科学上网方式的话,可以按照上述原则直接去国内镜像源里下载对应的whl即可,不过国内镜像源可能找不到较新的版本。当然这一切的前提是你遇到了我所说的这些问题,对于 2023-05-29 后的安装是否存在这些问题作者未进行验证。