记录|windows用pip安装pytorch

本文主要介绍在conda环境下安装gpu版本的torch框架，包括一些版本对应，安装注意事项，以及一些测试成功的案例，内容详细易于理解

pip安装pytorch的方法

根据上图可知，我安装了CUDA 11.3版本，那么可选的cuDNN版本有很多，这里我直接无脑安装了最新版本，也就是cuDNN的8.4.0版本，同样是用清华镜像源来安装。如上图，这一条命令可以满足我的pytorch和cuda之间的对应关系，因此，我们复制它并运行，即可安装Pytorch 1.11.0。系统的CUDA版本决定了系统最高可以支持什么版本的cudatoolkit，它是向下兼容的。提醒：下面的操作也是要在激活虚拟环境的情况下进行的！pytorch的版本也是和CUDA版本有对应关系的。

最好创建一个虚拟环境，方便管理。 1.进入Anaconda Prompt 进行创建一个新环境，这边指定python环境是3.6 conda create --name pytorch_gpu python=3.6 2.进入虚拟环境 conda activate pytorch_gpu 3.进行更换下载源，原始源下载速度较慢 conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2

在python3.7的环境下，使用如下命令安装pytorch1.11，结果安装成CPU版本

1. 基础环境 Windows 10系统+独显（支持CUDA），我已有的环境是python3.6 + pip + （numpy + pillow + six + 其他一些科学计算库）+ VC++ 2019/2015 build tool 环境。 需要CUDA tool kit + cuDNN（深度学习） 的GPU加速框架。其中CUDA安装最费劲，2.5G-10.1版本，并且需要有visual ...

pytorch和tensorflow是当前深度学习最重要的两种框架，目前来看，不论是哪一种深度学习模型，都采用了二者中的一种来实现网络模型，开源代码也一般也会有Tensorflow和Pytorch两种版本。这篇文章主要记录我在安装pytorch深度学习框架的过程，作为日志，希望也能帮到正在阅读文章的你。

AI的深度学习中，nvidia的cuda是必选项。早期的安装比较麻烦，也有许多文章介绍。 pip是python的默认包的安装方法，相比conda等第三方包管理工具，更喜欢 pip 的简洁和高效 近期实验使用pip在venv的环境中，完成了安装和配置

用于记录下在windows下安装pytorch3d过程，方便后期查阅，在安装过程中，以下链接提供了非常大的帮助。

一.准备anaconda 没有anaconda可以去官网下载一下，https://www.anaconda.com/，有人觉得官网下载过慢的话，这里给你提供一个镜像网址：https://mirrors.bfsu.edu.cn/anaconda/archive/ 安装步骤： 然后等待几分钟安装就行了 这样就安装好啦！ 二.用anaconda安装pytorch 1.在开始程序中打开Anaconda Prompt 进入界面 2.在步骤3之前，为了防止anaconda安装pytorch过慢或者

主要介绍了CUDA，cuDNN的安装，以及在anaconda的虚拟环境中安装pytorch

conda安装GPU版pytorch

PyTorch的GPU安装方法，有详细的图过程，从显卡驱动到安装成功。

例：pip install torch-1.9.0+cu111-cp39-cp30-win_amd.64.whl。文件，若安装的环境为虚拟环境的话，记得要激活自己的虚拟环境，然后在虚拟环境下面进行。下载完成之后，就可以使用pip instasll 的方式来进行安装。查找cu118，找到cp310，直接下载torch。cuda版本为11.8，python版本3.10。pip install 文件名。

使用anaconda安装Pytorch_GPU（详细教程）踩坑合集

随着人工智能的不断发展，使用GPU加速可以显著提高PyTorch深度学习任务的训练和推理速度，很多新手第一次接触到人工智能，在安装torch相关环境的时候，看到了网上各种教程，又是驱动，又是环境变量，又是cuda版本，弄了半天，自己都知道弄的啥。博主作为一个科研指导老师，深知学生的痛点，我的建议是直接用用conda来安装gpu版本的torch，让conda自动管理cuda相关依赖软件，仅需几个指令既解决问题。本教程将引导您完成使用conda包管理器安装PyTorch GPU版本的过程。

2.conda镜像源文件位置为：C:\Users\Lenovo下的 .condarc文件，记事本打开。