目錄

簡介

一、PyTorch 與 CUDA 的核心作用

1.PyTorch

2.CUDA

二、CUDA的安裝

1.查看

2.下載安裝

3.檢查是否安裝成功

三、PyTorch的安裝

1.GPU版本安裝

2.CPU版本安裝

---

簡介

????????在深度學習的實踐旅程中，搭建穩定且高效的開發環境是一切實驗與項目的基礎，而 PyTorch 與 CUDA 的安裝則是這一基礎環節的核心。本課程將聚焦于如何順利完成 PyTorch 框架與 CUDA 工具包的安裝，為后續的模型構建、訓練與部署鋪平道路，幫助學習者快速邁入深度學習的實戰階段。

一、PyTorch 與 CUDA 的核心作用

1.PyTorch

靈活高效的深度學習框架

????????PyTorch 是由 Facebook（現 Meta）開發的開源深度學習框架，憑借其動態計算圖的特性，在科研與工業界均獲得了廣泛應用。它支持開發者以更直觀、更接近 Python 編程習慣的方式構建神經網絡，無論是快速迭代模型原型，還是進行復雜的自定義網絡設計，PyTorch 都能提供簡潔易用的 API 接口。同時，PyTorch 擁有豐富的生態系統，涵蓋計算機視覺（TorchVision）、自然語言處理（TorchText）等多個領域的工具庫，極大降低了深度學習開發的門檻。

2.CUDA

釋放 GPU 算力的關鍵工具

????????CUDA（Compute Unified Device Architecture）是 NVIDIA 推出的通用并行計算架構，它允許開發者利用 NVIDIA GPU 的強大并行計算能力，加速深度學習模型的訓練與推理過程。在深度學習中，模型訓練往往涉及海量數據的矩陣運算，CPU 在這類密集型計算任務中效率較低，而 GPU 通過 CUDA 架構可同時處理大量并行任務，將訓練時間從幾天甚至幾周縮短至幾小時，是實現高效深度學習的 “加速器”。需要注意的是，CUDA 僅支持 NVIDIA 顯卡，若使用 AMD 等其他品牌顯卡，可選擇 ROCm 等替代方案。

二、CUDA的安裝

????????安裝CUDA視安裝的Pytorch版本而定，GPU版本需要安裝CUDA，CPU版本無需安裝CUDA。

1.查看

查看自己電腦顯卡驅動版本（若覺得版本過低可到CUDA驅動官網下載自己電腦相應顯卡最新驅動版本安裝更新驅動）

1.打開NVIDIA Control Panel

2.點擊右下的系統信息

這里可以查看自己的GPU驅動版本

點擊組件，這就是你電腦驅動可以支持的cuda最大版本，也就是你的cuda版本最高只能下載到這個版本（可以通過更新自己的GPU驅動提高cuda支持的最高版本）

也可以直接在命令提示符里面輸入nvidia-smi查看自己支持的CUDA版本

可以看到顯示CUDA Version為12.7，說明該顯卡最高支持到12.7

2.下載安裝

CUDA下載地址：

CUDA Toolkit Archive | NVIDIA Developer

1.選擇自己的版本進行下載（建議可以下載自己支持下的高版本）

2.下載完成選擇“同意并繼續”，然后選擇自定義安裝選擇需要安裝的組件，也可以使用推薦安裝(建議推薦安裝)

3.檢查是否安裝成功

打開cmd，輸入 nvcc -V

出現了你安裝的CUDA的版本信息，說明安裝成功了

關于安裝cuDNN，學習深度學習的時候基本用不上所有我這里就不說明具體安裝過程了

三、PyTorch的安裝

進入Pytorch官網：PyTorch

1.GPU版本安裝

方法一在線安裝

1.進入官網

2.選擇自己的版本

????????關于最下面的cuda版本如果沒有，我們可以選擇比你自己的版本低一點的，但是不能比自己的cuda版本高，選好版本后復制最下面的命令，打開cmd直接復制進去下載（因為我的Python環境安裝在本地c盤中）

注意：這種方式需要自己的網絡保持穩定，如果斷網就會重新下載，GPU版本的會有二三個G

最后安裝完成可以使用pip list查看是否有pytorch庫。

方法二本地安裝

1.復制網站進去

2.選擇torch

3.尋找自己的版本

使用Ctrl+f可以進行搜索，這里可以選擇torch的版本，建議不要裝最新的版本，cu代表這cuda的版本，cp代表Python的版本，選擇自己需要的版本下載下來就行

這里的.whl文件就相當于是Python的軟件包

4.下載完成進行本地安裝

在cmd里面輸入pip install 加上下載的.whl文件的路徑進行安裝

最后也是通過pip list可以查看是否有torch庫

5.torchvision的安裝

使用這樣的方法我們還要多下載一下torchvision，它是torch的圖片處理板塊，包含很多數據庫

。安裝方法跟torch一樣，找到相應的版本下載下來通過本地安裝。

2.CPU版本安裝

打開官網選擇cpu版本，復制命令進行安裝即可，最后通過pip list查看是否有torch庫