Pytorch(GPU版)安装

如果想利用GPU来提升运算速度，就需要安装GPU版Pytorch。

在安装之前，需要先配置GPU环境（安装CUDA和CudaNN)

1.安装CUDA

• 命令行输入nvidia-smi，查看驱动信息

• 

• 从官网下载对应版本的安装程序 CUDA Toolkit Archive | NVIDIA Developer
• 安装（推荐自定义安装在有空余的盘中，我的安装地址：D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 ；D:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1 ）
• 验证：输入nvcc --version 进行检查

  

2.安装CudaNN

• 下载Cudann： cuDNN Download | NVIDIA Developer（需要先注册账号）
• 将压缩包解压至CUDA安装路径下（D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）
• 验证：

1. 进入 d:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
2. 运行bandwidthTest.exe
3. 输出结果Result = PASS，安装成功

   

3.安装Pytorch

• 进入官网，查看以往版本 ：Previous PyTorch Versions | PyTorch，根据版本选择合适的下载命令

可以更改命令的URL，利用镜像提升下载速度：

镜像源参考： （似乎清华镜像源目前暂不可用） 豆瓣(douban)  http://pypi.douban.com/simple/ 清华大学  https://pypi.tuna.tsinghua.edu.cn/simple/ 阿里云  http://mirrors.aliyun.com/pypi/simple/ 中国科技大学  https://pypi.mirrors.ustc.edu.cn/simple/ 中国科学技术大学  http://pypi.mirrors.ustc.edu.cn/simple/

• pip命令：末尾添加 -i http://mirrors.aliyun.com/pypi/simple/ some-package --trusted-host mirrors.aliyun.com 我使用的命令如下（不过没奏效）：

 python pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/ some-package --trusted-host mirrors.aliyun.com
 

• conda命令：将-c 后的字符替换为https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/平台类型（如下图示)/

 python conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
 

• 等待安装完成

• 验证：

 import torch   
torch.__version__
 '1.8.0'   
torch.cuda.is_available()   
True   
torch.cuda.device(0)   
<torch.cuda.device object at 0x0000014CCCDD4788>
torch.cuda.device_count()   
1
torch.cuda.get_device_name(0)  
'GeForce GTX 1650'  

pytorch验证

​ 安装成功