pytorch GPU版本安装（亲测）

安装路径：https://download.pytorch.org/whl/torch_stable.html

根据经验，第三方依赖工具，非python包使用conda安装，比如ffmpeg，cudnn，cudatoolkit，python等

python依赖包最好在python环境安装好后，使用pip安装

已经知道的版本：cuda102版本python3.7：

在~/.condarc修改conda 源（国内源已经全部失效，建议直接使用国外默认源即可，速度还可以）

#建议先python版本以及cuda版本，从https://download.pytorch.org/whl/torch/ 找到可以支持的torch版本，

也可以通过cuda 和cudnn关系矩阵查看：Support Matrix :: NVIDIA cuDNN Documentation
#如下命令可以查看cudnn8的各个子版本与cuda版本的关系：conda search cudnn=8 --info

请注意：3.11.x 以及更高版本对dataclass注入方式存在问题，典型的问题就是https://github.com/facebookresearch/fairseq/issues/5012

 其中，关于在conda中安装cuda12.x参考：Cuda Toolkit | Anaconda.org

python3.7 + cudatoolkit 10.2

#虚拟环境创建

conda create -n torch_gpu3 python=3.7 cudnn=7.6.5.32 cudatoolkit=10.2.89

#依赖库安装

conda activate torch_gpu3

linux:pip install torch==1.12.0+cu102 torchvision==0.13.0+cu102 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu102

windows:pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html

python3.7 + cudatoolkit 11.3 + torch1.12.1

#虚拟环境创建

conda create -n torch_gpu3 python=3.7 cudnn=8.9.2.26 cudatoolkit=11.3.1

#依赖库安装

conda activate torch_gpu3

linux:pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

python3.9.16 + cudatoolkit 10.2

#虚拟环境创建

conda create -n torch_gpu3 python=3.9.16 cudnn=7.6.5.32 cudatoolkit=10.2.89

#依赖库安装

conda activate torch_gpu3

linux：pip install torch==1.12.0+cu102 torchvision==0.13.0+cu102 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu102

windows:pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html

python3.9.16 + cudatoolkit 11.3

#虚拟环境创建

conda create -n torch_gpu3 python=3.9.16 cudnn=8.4.1.50 cudatoolkit=11.3.1

#依赖库安装

conda activate torch_gpu3

linux+win：pip install torch==1.12.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

python3.10.9 + cudatoolkit11.7

#虚拟环境创建

conda create --prefix=D:/HT/torch_gpu3 python=3.10.9 cudnn=8.4.1.50 cudatoolkit=11.7.0 ffmpeg x264

#依赖库安装

conda activate torch_gpu3

linux+win：

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117

 pip install torch==2.0.0+cu117 torchvision==0.15.1+cu117 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu117

https://download.pytorch.org/whl/cu113

linux cuda118

conda create -n test python=3.10.9 cudnn=8.4.1.50 cudatoolkit=11.8.0 ffmpeg x264

python3.10.9 + cuda11.3

#虚拟环境创建

conda create -n wave2lippython3109 python=3.10.9 cudnn=8.4.1.50 cudatoolkit=11.3.1 ffmpeg x264

#依赖库安装

conda activate wave2lippython3109

linux+win：

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

 python3.11 + cuda11.8

python3.11.4 + cudatoolkit=11.8.0 + torch2.0 + flash-attention

conda create -n mypython311 python=3.11.4 cudnn=8.9.2.26 cudatoolkit=11.8.0

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://downl

python3.12 + cuda11.8

 conda create -n dh_live python=3.12  cudnn=8.9.2.26 cudatoolkit=11.8.0 ffmpeg x264

python3.10 +cuda12.1+windows

conda create -n cosyvoice python=3.10.9 cudnn=9.3.0.75 nvidia/label/cuda-12.1.1::cuda-toolkit ffmpeg x264

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu121

python3.10 +cuda12.1+ linux

conda create -n cosyvoice python=3.10.9 cudnn=9.1.1.17 nvidia/label/cuda-12.1.1::cuda-toolkit ffmpeg x264

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu121

安装torch时，若不知道适合安装的版本，可以在虚拟环境弄好后，使用对应的url进行查看：

pip install torch== --extra-index-url https://download.pytorch.org/whl/cu113
#再查看下载命令https://pytorch.org/get-started/previous-versions/
#或离线下载：https://download.pytorch.org/whl/torch_stable.html

验证是否安装成功
进入python环境：
import torch
torch.cuda.is_available()