人工智能-python-深度学习-软件安装阶段

Pytorch安装指南

1. 基础认知

在开始安装之前，了解Pytorch的基础信息是很有帮助的。Pytorch是一个开源的深度学习框架，广泛用于计算机视觉和自然语言处理等领域。它支持GPU加速并且与Python紧密集成。

Pytorch的主要特性：

• 动态计算图：Pytorch采用动态计算图（Define-by-Run），这意味着每次运行时图的结构都可以变化。
• 强大的GPU支持：Pytorch可以轻松将计算从CPU转移到GPU，利用CUDA进行加速。
• 自动求导：Pytorch内置自动求导机制，用于深度学习中的反向传播计算。

2. CUDA和cuDNN

2.1 CUDA简介

CUDA（Compute Unified Device Architecture）是NVIDIA推出的一种并行计算架构（统一计算设备架构）编程模型，它允许开发者在NVIDIA GPU上进行通用计算，包括科学计算、机器学习、图像处理和视屏处理等。他提供了GPU并行计算的底层基础，要在Pytorch中使用GPU加速，首先需要安装CUDA。

2.2 cuDNN简介

cuDNN（CUDA Deep Neural Network）是NVIDIA推出的一个GPU加速的深度学习库，它优化了卷积神经网络（CNN）等操作的性能。在Pytorch中，cuDNN库是默认启用的。能够显著的提高深度学习模型的训练和推理速度

cuDNN和CUDA（Compute Unified Device Architecture）密切相关，他们共同构成了高性能GPU计算的基础，尤其在深度学习领域

2.3 版本兼容性

安装Pytorch时，需要确保CUDA和cuDNN版本与Pytorch版本兼容。可以通过Pytorch官网检查不同版本之间的兼容性。

cuDNN是建立在CUDA之上的库，它依赖于CUDA提供的基础计算能力，英雌，在使用cuDNN必须先安装CUDA

3. GPU驱动

3.1 驱动更新

NVIDIA的GPU驱动是实现GPU加速的基础。你可以通过NVIDIA官网下载最新的驱动。安装时，需要选择你的GPU型号和操作系统，按照提示进行安装。
打开GEFORCE进行驱动更新

安装成功：

3.2 驱动版本检查

安装完成后，可以通过以下命令检查驱动版本：

nvidia-smi

这会显示当前GPU的使用情况和驱动版本：

4. 开始安装

4.1 安装CUDA

你可以从NVIDIA官网下载并安装CUDA。选择与Pytorch版本兼容的CUDA版本进行安装。在安装过程中，请确保选择正确的操作系统和版本。
这里选择的是：

1. 双击下载的 cuda_12.8.0_571.96_windows.exe
2. 选择安装选项：
   • 安装类型 → 选择 自定义（高级）
   • 组件 → 确保勾选：
     • CUDA → Development + Runtime
     • Driver components（如果未安装最新NVIDIA驱动）
   • 取消勾选 Visual Studio Integration（除非需要VS支持）
3. 完成安装后，验证环境变量是否自动添加：
   • 检查 PATH 是否包含：
     C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin（这里的路径可能会有所不同，需要看的是bin在哪里）

安装完CUDA后，设置环境变量：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

测试：
cmd打开命令行。输入：
nvcc- V

4.2 安装cuDNN

访问cuDNN Archive | NVIDIA Developer下载与CUDA版本兼容的cuDNN版本。解压后，将cuDNN的文件复制到CUDA目录下。

选择对应版本。一般来说最好低一到两个版本比较稳定。
下载好后解压：

复制这三个文件，替换cuda安装文件夹下所对应的三个文件：

添加path环境变量：

验证安装成功：
在cuda安装路径下，进入extras/demo_suite，然后进入dos窗口，分别执行一下命令：
deviceQuery.exe

bandwidthTest.exe

4.3 安装Pytorch

Pytorch可以通过pip或conda安装，pytorch。在安装时，需要选择支持CUDA的版本，以下是安装命令：

• 使用pip：

pip install torch torchvision torchaudio

• 使用conda：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

5. CPU版本安装

如果没有NVIDIA GPU，或者不需要GPU加速，你也可以安装CPU版本的Pytorch。只需要使用以下命令：

pip install torch

6. 其他第三方库安装

Pytorch通常与其他常用的深度学习库一起使用，例如：

• NumPy：用于科学计算的库。

pip install numpy

• Matplotlib：用于绘制图表和可视化。

pip install matplotlib

• OpenCV：计算机视觉库。

pip install opencv-python

7. 测试安装

安装完成后，可以通过以下代码测试Pytorch是否正确安装：

import torch
print(torch.cuda.is_available())  # 检查CUDA是否可用
print(torch.__version__)  # 查看Pytorch版本

8. 总结

Pytorch的安装过程涉及多个组件：CUDA、cuDNN和驱动的安装，以及Pytorch本身的安装。正确配置这些组件能够有效利用GPU进行加速，从而提高训练效率。如果没有GPU，也可以选择CPU版本，虽然性能稍逊。

---