当前位置：首页 > news >正文

pytorch的详细安装教程

news 2025/7/10 11:07:01

一、CPU版本PyTorch安装

直接通过pip命令安装即可：pip3 install torch torchvision torchaudio

若需要离线安装，可以考虑下载whl包然后自行安装。下载whl的链接：https://download.pytorch.org/whl/torch/。

手动下载whl时，需要注意PyTorch与torchvision之间版本对应关系。可以到https://github.com/pytorch/vision或https://pytorch.org/get-started/previous-versions/查看。

在这里插入图片描述

二、GPU版本PyTorch安装

目前PyTorch不仅支持NVIDIA的GPU，还支持AMD的ROCm的GPU。

步骤：

根据NVIDIA驱动程序版本和要安装的PyTorch版本，确定安装哪个版本的CUDA。
根据CUDA版本，安装对应版本的cuDNN。

1.GPU计算能力要求

对于N卡，需要计算能力（compute capability）≥3.0。

在这里插入图片描述

可在https://developer.nvidia.cn/cuda-gpus#compute查看GPU计算能力。

2.CUDA版本选择

2.1 根据NVIDIA驱动程序版本确定支持的最高CUDA版本

打开NVIDIA控制面板→系统信息→组件，查看NVCUDA64.DLL的产品名称栏，可查看驱动程序支持的最高CUDA版本。

在这里插入图片描述

或在命令行中输入nvidia-smi，在CUDA Version栏查看支持的最高CUDA版本。

在这里插入图片描述

2.2 根据PyTorch版本选择CUDA版本

在这里插入图片描述

或在https://download.pytorch.org/whl/torch/查看过往版本PyTorch支持的CUDA版本。

在这里插入图片描述

此处的cu121表示支持CUDA12.1版本

3.CUDA安装

NVIDIA官网通常只展示最新的CUDA版本，过往CUDA版本可在https://developer.nvidia.com/cuda-toolkit-archive下载。

选择相应CUDA版本后，选择要安装的平台，Installer Type安装方式选择exe(local)本地安装。

在这里插入图片描述

双击.exe文件进行安装，首先需要输入临时解压路径，临时解压路径在安装结束后会自动被删除，保持默认即可。

选择精简，会安装所有组件并覆盖现有驱动程序。点击下一步。

在这里插入图片描述

如果出现以下提示，表明缺少Visual Studio，部分组件不能正常工作。不用在意，选择I understand…。点击Next。

在这里插入图片描述

安装完成，点击关闭。

在这里插入图片描述

可在命令行使用nvcc --version查看CUDA版本信息。

4.cuDNN安装

cuDNN（NVIDIA CUDA Deep Neural Network library，深度神经网络库）是用于深度神经网络的GPU加速原语库。cuDNN为标准例程 (如前向和反向卷积、注意力、matmul、池化和归一化) 提供了高度调优的实现。

cuDNN下载地址：https://developer.nvidia.com/cudnn-archive。

cuDNN下载后是一个压缩包，解压后包含bin、include、lib三个文件夹。

找到CUDA安装目录，默认在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1。

分别将cuDNN的bin、include、lib\x64文件夹中的文件拷贝到CUDA的bin、include、lib\x64文件夹中。

下面验证cuDNN是否安装成功。进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite目录下，打开命令行，分别执行deviceQuery.exe与bandwidthTest.exe。如果出现类似下图的输出则说明安装成功。

在这里插入图片描述