目录

直接conda install安装pytorch gpu遇到的问题

一、使用conda创建虚拟环境

二、下载pytorch gpu版本

三、安装pytorch、torchvision和torchaudio

四、下载CUDA11.3和cudnn8.8.0

五、安装CUDA的流程

六、安装cudnn

七、检查pytorch gpu是否可以运行

---

直接conda install安装pytorch gpu遇到的问题

一开始我时选择直接在pytorch官网复制命令直接conda安装：

安装完成后运行下列程序显示为False，说明GPU版本没有安装成功。

import torch
torch.cuda.is_available()

输入conda list命令，发现安装的pytorch为cpu版本。这是由于conda安装的时候会按照这四个pytorch、torchvision、torchaudio和cudatoolkit的版本同时在当前的安装包库内匹配，没有发现pytorch gpu版本就会自动用cpu版本代替。

因此，需要在https://download.pytorch.org/whl/torch_stable.html网站下载上述pytorch1.12.0、torchvision0.13.0、torchaudio0.12.0这三个安装包，手动安装。

一、使用conda创建虚拟环境

首先安装Anaconda，使用Anaconda Powershell Prompt创建一个虚拟环境，以便于后续环境的管理。PS：运行别人的项目时最好配置新的环境。

这里创建一个python版本为3.7的虚拟环境，环境名叫”pytorch“：

conda create -n pytorch python=3.7

然后激活这个环境：

conda activate pytorch

此时的环境由base切换到创建的虚拟环境pytorch中

二、下载pytorch gpu版本

 打开网站：

https://download.pytorch.org/whl/torch_stable.html

Ctrl+F搜索：cu113/torch-1.12.0

 

 可以看到出现上面几个安装包，cu113表示CUDA1.13，即为GPU版本。torch-1.12.0为pytorch版本。cp表示python版本，之前创建的虚拟环境pyhon=3.7，因此这里选择cp37，然后选择windows系统的win_amd64.

按照此方法，在网页https://download.pytorch.org/whl/torch_stable.html中下载所需的三个安装包：

cu113/torch-1.12.0%2Bcu113-cp37-cp37m-win_amd64.whl

cu113/torchvision-0.13.0%2Bcu113-cp37-cp37m-win_amd64.whl

cu113/torchaudio-0.12.0%2Bcu113-cp37-cp37m-win_amd64.whl

三、安装pytorch、torchvision和torchaudio

在pytorch虚拟环境中，使用pip install 命令安装下载好的三个文件

pip install D:\Download\IEdownload\torch-1.12.0+cu113-cp37-cp37m-win_amd64.whl
pip install D:\Download\IEdownload\torchvision-0.13.0+cu113-cp37-cp37m-win_amd64.whl
pip install D:\Download\IEdownload\torchaudio-0.12.0+cu113-cp37-cp37m-win_amd64.whl

 pip install后面为文件下载的路径

四、下载CUDA11.3和cudnn8.8.0

从上图可以看到，pytorch1.12.0对应的cudatoolkit为11.3，因此需要去nvidia官网下载：

https://developer.nvidia.com/cuda-11.3.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local

在下面网址下载适配CUDA11.x的cudnn8.8.0

https://developer.nvidia.com/rdp/cudnn-download#

五、安装CUDA的流程

 选择自定义安装

 只安装CUDA

 默认安装路径为系统盘

 完成安装后的文件在系统盘：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

六、安装cudnn

将cudnn压缩包解压后有如下三个文件夹：

 

将它们全部复制到CUDA的安装文件夹v11.3中

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

 

 使用win+R快捷键打开运行，输入cmd

 输入nvcc -V查看cuda是否安装成功

可以看到cuda11.3已经安装成功 

七、检查pytorch gpu是否可以运行

在pytorch虚拟环境中运行python，并输入：

import torch
torch.cuda.is_available()

 显示为True说明gpu版本安装成功