当前位置：首页 > news >正文

杭州企业建站程序中国镇江网

news 2025/11/17 11:13:41

杭州企业建站程序,中国镇江网,怎么请专业拓客团队,邗江建设局网站正确安装PyTorch 在这篇文章中，我们将带你快速搭建 PyTorch 环境，重点讲解如何根据你的显卡和项目需求选择合适的 CUDA Toolkit 版本，以及如何安装符合项目要求的 PyTorch及其扩展库。 1. 环境准备在开始安装之前，我们需要了解…

正确安装PyTorch

在这篇文章中，我们将带你快速搭建 PyTorch 环境，重点讲解如何根据你的显卡和项目需求选择合适的 CUDA Toolkit 版本，以及如何安装符合项目要求的 PyTorch及其扩展库。

1. 环境准备

在开始安装之前，我们需要了解你的硬件与系统环境，为后续安装做足准备。
安装流程图：

在这里插入图片描述

1.1 确认显卡型号与驱动支持

目标：确定你的 NVIDIA GPU 型号，并确认当前驱动支持的 CUDA 版本范围。
操作建议：
- Windows 与 Linux 用户都可以使用 nvidia-smi 命令获取详细信息。如下图：
  -
  第一步必须记住cuda版本号，这里是12.6（后面要用到版本号匹配下载对应的版本）

1.2 检查驱动兼容性与 CUDA 版本需求

目标：根据你的 GPU 型号和当前驱动，确定推荐使用的 CUDA Toolkit 版本。
操作建议：
- 访问 NVIDIA CUDA GPUs 列表查询你的显卡 Compute Capability；
- 确认驱动程序支持的 CUDA 版本，从而为后续选择做参考。
  首页的通常是最新版本，可能不兼容，要与你的cuda版本匹配，如下图：
  
  进入选择列表，与上一步的cuda版本要对应。
  
  选择正确的版本
  
  注意：如果安装最新的版本或不匹配的版本后续都会无法使用。

2. 安装 CUDA Toolkit

CUDA Toolkit 为 GPU 加速提供必要的工具和库，选择正确的版本对后续 PyTorch 的高效运行至关重要。

2.1 如何选择适合你的 CUDA 版本

选择合适的 CUDA 版本
关键是下载正确的版本，安装全是选默认即可，如下图：
在这里插入图片描述

2.2 环境变量配置

配置环境变量

Linux/Mac 环境变量
修改 ~/.bashrc,添加如下配置：

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

使配置生效（例如 Linux 用户执行 source ~/.bashrc）
Windows环境变量（这一步没有做，有些项目有时也会成功）

如上图，并通过 nvcc --version 检查是否安装成功。

3. 安装 PyTorch 及扩展库

确保安装的 PyTorch 版本满足项目要求（≥ 2.4.0），并安装 torchvision 与 torchaudio 以支持图像和音频处理任务。

3.1 安装 PyTorch（版本 ≥ 2.4.0）

步骤：
1. 访问 PyTorch 官网生成安装命令；
2. 根据你的 CUDA Toolkit 版本选择对应选项（如 cu121、cu124 等）；
说明：若仅需 CPU 版本，则可省略 CUDA 相关参数。
这里也要匹配cuda版本。
3. 执行命令，例如：
```
pip install "torch>=2.4.0" torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```
注意：如果是多项目我不建议这么直接安装，不然你每个项目搞一个环境都要重新下载，在国内网速不是很快很花时间，不如一次先下载回来后续的项目新建环境时直接安装即可。
下载改为：
```
pip3 download torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
```
如下图：

执行完后会下载相关的whl包，如下图：

这些包已放在：https://www.alipan.com/s/tWBE8XP37Gp，如果有相同配置的可以直接就用。

3.2 安装验证

把上面的下载回来的whl包全部安装即可。
如果你将下载的 .whl 文件放在了其他目录（例如，一个名为 downloaded_packages 的文件夹），你需要将 . 替换为该目录的路径。例如：
bash pip3 install --no-index --find-links downloaded_packages torch torchvision torchaudio

说明：
执行上述的 pip3 install 命令，将 . 或 downloaded_packages 替换为实际的目录路径。

注意事项：
pip 会自动处理依赖关系。如果下载的 .whl 文件有其他依赖项，并且这些依赖项也在下载的 .whl 文件中，pip 会一并安装。
确保你的 pip 版本是较新的，以支持这些选项。

import torch
print(torch.__version__)
if torch.cuda.is_available():print(torch.cuda.device_count())
else:print("CUDA is not available.")

执行验证成功，如下图：
在这里插入图片描述

3.3 版本依赖及 CUDA 对应性说明

注意事项：
- 确保 PyTorch 版本与 CUDA Toolkit 版本匹配，否则可能导致性能下降或兼容性问题；
- 如遇到 “ModuleNotFoundError: No module named ‘torch’” 等错误，请检查是否在正确的虚拟环境中，并可尝试使用 --no-build-isolation 参数安装依赖库。