文章目录

• 1 配置 python 环境
• • 1.1 安装 Anaconda
  • 1.2 检查环境安装成功
  • 1.3 创建虚拟环境
  • 1.4 进入/退出 刚刚创建的环境
  • 1.5 其它操作
  • • 1.5.1 查看电脑上所有已创建的环境
    • 1.5.2 删除已创建的环境
• 2 安装 CUDA 和 CUDNN
• • 2.1 查看自己电脑支持的 CUDA 版本
  • 2.2 安装 CUDA
  • 2.3 安装 CUDNN
  • 2.4 检查 CUDA 安装成功（查看 GPU 使用率、显存占用情况）
• 3 安装 PyTorch
• • 3.1 安装 PyTorch
  • 3.2 检查安装是否成功
  • 3.3 其它方法
• 4 在 PyCharm 中使用 PyTorch
• 5 远程 Linux 服务器配置 PyTorch

1 配置 python 环境

1.1 安装 Anaconda

进入anaconda官网：https://www.anaconda.com/

点击 download 下载文件，我这里是 Anaconda3-2022.10-Windows-x86_64.exe（后续更新版本exe文件会有差别）

下载后打开 .exe 文件下载 anaconda：

选择安装路径（用默认的路径也可以）：

这里两个都选：

然后安装就可以了。

1.2 检查环境安装成功

打开 cmd，输入 conda（如果是下图这样就说明 anaconda 安装成功了）：

输入 python，这里可以查看 Python 的版本：

1.3 创建虚拟环境

在 cmd 中输入 conda create -n 环境名 python==版本号，如：conda create -n pytorch python==3.9.13（这里我自定义环境名为 pytorch，python 版本为 3.9.13）

输入 y

创建完就是这样的：

1.4 进入/退出 刚刚创建的环境

进入环境：输入 conda activate 环境名，如 conda activate pytorch

退出环境：输入 conda deactivate

1.5 其它操作

1.5.1 查看电脑上所有已创建的环境

conda info --env

1.5.2 删除已创建的环境

conda remove -n 环境名 --all

---

2 安装 CUDA 和 CUDNN

2.1 查看自己电脑支持的 CUDA 版本

可参考：如何查看自己电脑当前版本CUDA 可兼容的最高版本

这就说明我的电脑可以安装的 CUDA 版本可以是 11.7.1 及以下的版本。

2.2 安装 CUDA

建议先去 pytorch 官网看下目前可以直接用指令安装的 CUDA 版本（主要是为了方便后续操作），此外，https://pytorch.org/get-started/previous-versions/ 也提供了以前版本的安装指令：

看 Compute Platform，有 CUDA 11.6 和 CUDA 11.7，而且我电脑支持的最高 CUDA 版本为 11.7.1，所以后续安装时就安 11.6 或 11.7 版本的 CUDA。

前往 CUDA 官网：https://developer.nvidia.com/cuda-toolkit-archive

这里以 11.7.0 版本为例：

按如下选择（Installer Type两种都可以，因为是国外网站，下载用外网，如果速度慢的话就选 exe(network)）：

下载完后执行 .exe 文件。

根据自己需求选择是否更改安装路径：

选择自定义：

这个不用管，点下一步就行：

选择安装位置（这里我改了路径，用默认的也可以，这个路径要记住，后续要用）：

至此 CUDA 安装结束。

---

2.3 安装 CUDNN

进入官网：https://developer.nvidia.com/rdp/cudnn-download

先登录/注册账号，然后按如下选择：

将下载后的 zip 文件解压，里面的内容如下：

找到刚才安装 CUDA 时选择的安装位置：

然后将 CUDNN 中 bin 文件夹中的所有文件复制到 .../CUDA/v11.7/bin 中；
CUDNN 中 include 文件夹中的所有文件复制到 .../CUDA/v11.7/include 中；
CUDNN 中 lib/x64 文件夹中的所有文件复制到 .../CUDA/v11.7/lib/x64 中。

至此 CUDNN 安装结束。

2.4 检查 CUDA 安装成功（查看 GPU 使用率、显存占用情况）

在 cmd 中输入 nvidia-smi，同时这个指令也可以查看 GPU 的一些信息，如果出现如下界面就说明 CUDA 安装成功了，这是最好的（但好像有的电脑会报错 'nvidia-smi'不是内部或外部命令，这不一定就表示 CUDA 安装失败了，可以搜一下解决方案，或者暂时不用管，继续往后做，即使安装失败也不会影响后续的操作，后面安装完 pytorch 后还能用其他代码检查 CUDA 是否可用）。

---

3 安装 PyTorch

3.1 安装 PyTorch

进入官网：https://pytorch.org/

点击 Install：

按如下选择（CUDA 版本要对应），下图中 Run this Command 中的指令后续要用到：

打开 cmd，进入之前创建的 Python 环境，输入 conda activate 环境名，如：conda activate pytorch

进入环境后输入指令（来源于上图）：conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia（这里要挂下外网，不然安装很慢的，没有条件的话请移步 【3.3 其它方法】。注意，不要像一些教程那样用清华源，用清华源安装的 pytorch 没有 GPU 版本的，全是依靠 CPU 的，GPU 和 CPU 的算力差距很大，跑深度学习代码时用 CPU 能慢死）

输入 y：

然后等待安装就可以了，安装完是这样的：

3.2 检查安装是否成功

可输入如下指令：

import torch
print(torch.version.cuda)  # 查看 CUDA 版本
print(torch.cuda.is_available())  # 查看 CUDA 是否可用（即训练时是否可用 GPU）
print(torch.cuda.device_count())  # 查看可行的 CUDA 数目

3.3 其它方法

如果没有加速器挂不了外网的话操作就比较麻烦了。这里再强调一遍！！！不要像一些教程那样用清华源，用清华源安装的 PyTorch 没有 GPU 版本的，全是依靠 CPU 的，跑深度学习代码时用 CPU 很慢。

在 PyTorch 官网中选择 Pip 的方法，找到如下网址：

然后我们进入打开这个网址，也就是 https://download.pytorch.org/whl/cu117

里面就是这样的：

我们需要自己下载的文件就是 torch，torchvision，torchaudio

然后我们先点击进入 torch，找到如下位置（根据自己的 CUDA 版本、python 版本找到相应的文件，cu117 指的是 CUDA 版本为 11.7，cp39 指的是 python 版本为 3.9，版本一定要对应上），点击下载：

torchvision和torchaudio 同理：

然后我们把这三个 .whl 文件随便放到一个文件夹下：

然后打开 cmd，进入到这个文件夹，用 pip install 刚刚下载的文件 安装：

pip install torch-1.13.1+cu117-cp39-cp39-win_amd64.whl
pip install torchvision-0.14.1+cu117-cp39-cp39-win_amd64.whl
pip install torchaudio-0.13.1+cu117-cp39-cp39-win_amd64.whl

4 在 PyCharm 中使用 PyTorch

首先新建项目，按如下步骤操作：

然后点击 Create 创建项目即可

可通过以下代码测试使用 PyTorch：

import torch

print(torch.version.cuda)  # 查看 CUDA 版本
print(torch.cuda.is_available())  # 查看 CUDA 是否可用（即训练时是否可用 GPU）
print(torch.cuda.device_count())  # 查看可行的 CUDA 数目

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3, 3).cuda())

5 远程 Linux 服务器配置 PyTorch

远程服务器配置 Anaconda 并安装 PyTorch 详细教程