一、準備工作

1. pytorch需要python3.6及以上的python版本

2. 我是利用Anaconda來管理我的python。可自行安裝Anaconda。

3. Anaconda官網 Free Download | Anaconda

4. 具體Anaconda安裝教程可參考

   https://blog.csdn.net/weixin_43412762/article/details/129599741?fromshare=blogdetail&sharetype=blogdetail&sharerId=129599741&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link

二、pytorch介紹

安裝 PyTorch 時，可以選擇在 CPU 或 GPU 上運行，取決于你的硬件支持和需求。

• CPU版本安裝：

  CPU 版本適用于沒有 GPU 或不需要使用 GPU 進行深度學習的情況。安裝過程相對簡單，因為沒有依賴 GPU 驅動和 CUDA 的要求。

• GPU版本安裝：

  如果你的計算機上有 NVIDIA GPU，并且你希望加速深度學習計算，可以安裝 GPU 版本的 PyTorch。GPU 版本依賴于 CUDA 和 cuDNN。

三、CPU版本pytorch安裝

為了更好的管理不同項目的Python項目，通常建議創建一個虛擬環境。可以隔離不同項目的依賴項，避免項目之間的沖突。

1、創建虛擬環境

安裝好Anaconda后會有這些程序

輸入以下指令可查看當前的虛擬環境

conda env list

利用 conda create 指令創建新的虛擬環境

conda create –n 虛擬環境名字(自己設置) python=版本

演示如下

輸入y，等待安裝

2、路徑處理

如果安裝后的虛擬環境沒在 annconda3\enxs 的目錄下，通常是以下幾個原因導致的（以我的目錄為例）：

• 沒有寫入權限：如果當前用戶對 C:\ProgramData\anaconda3\envs 目錄沒有寫入權限，Conda 會選擇使用用戶本地目（C:\Users\Xzwzh\.conda\envs）來存放環境。
• 用戶環境配置：Conda 的配置文件 .condarc 中可以設置 envs_dirs，用于指定環境的默認存放位置。如果設置了用戶本地目錄，那么新建的環境會存放在那里。
• 環境隔離：在某些情況下，用戶可能會故意選擇將環境安裝在用戶目錄下，以便不同用戶使用各自的環境，避免對全局安裝目錄的修改。

如果希望將環境放在anaconda3\envs 目錄下，可以在創建環境時顯示指定 --prefix 參數。

例如：

以管理員權限運行命令提示符，注意，下面的命令要以管理員身份運行，否則報錯

conda create --prefix C:\ProgramData\anaconda3\envs\pytorch_env python=3.8

也可以修改 .condarc 文件，將 envs_dirs 添加或修改為默認全局路徑：

envs_dirs:- C:\ProgramData\anaconda3\envs

然后重新創建環境即可。

3、刪除虛擬環境

通過環境名稱刪除

conda remove --name 環境名稱 --all

通過環境路徑刪除

conda remove --prefix 路徑 --all

4、配置鏡像源

根據上述操作，以如下的環境列表為例（虛擬環境已經創建好）：

由于安裝指令都是從國外的通道下載，下載速度會非常慢。所以我們可以用國內的鏡像地址下載pytorch

conda config --show

輸入上述指令可以查看我們的通道地址

我的環境中有三個清華的鏡像源。如果是之前沒用過鏡像源，這里只會顯示dafaults。

鏡像名	鏡像地址
清華源鏡像	https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
阿里巴巴鏡像	http://mirrors.aliyun.com/anaconda/pkgs/main
淘寶鏡像源	https://registry.npmmirror.com/

這里的淘寶鏡像源不推薦，由于淘寶npm鏡像的舊域名（如npm.taobao.org和registry.npm.taobao.org）已經停止服務，并且HTTPS證書已經過期，需要使用淘寶最新的鏡像源。列表給出的是（2024年9月） 淘寶的最新鏡像的地址。

conda config --add channels 通道地址

輸入以上命令可以添加通道地址，添加后輸入以下地址也可以查看通道地址（驗證是否加上通道）

conda config --get

如果想刪除通道，可執行下面代碼

conda config --remove channels 通道地址

5、安裝pytorch

1、首先激活環境變量

conda activate 創建的虛擬環境

2、進入pytorch官網，找到安裝指令

點擊Get started 進行如下配置

找到安裝代碼

conda install pytorch torchvision torchaudio cpuonly -c pytorch  //注意，這種就是直接從國外下載了

用鏡像源安裝

conda install pytorch torchvision torchaudio cpuonly –c 鏡像地址

直接復制自己對應的鏡像源即可

輸入y即可

報錯處理：

如果出現如上報錯，使用管理員身份進行上述步驟即可解決。

出現下圖所示，就是安裝完成。

6、驗證pytorch是否安裝成功

• 在安裝pytorch的虛擬環境下輸入conda list 查看是否有pytorch

• 在虛擬環境下運行python并導入torch

  

print(torch.__version__)

• 輸入上述命令，顯示PyTorch 的版本號，說明 PyTorch 已經成功安裝。

四、GPU版本pytorch安裝

首先和CPU版本安裝一樣，創建一個虛擬環境，前面提到，這里不在重復。

1、查看自己電腦的GPU

在任務管理器中可查看GPU

如果沒安裝顯卡驅動，先安裝最新的顯卡驅動，到官網自行安裝即可。

查看驅動版本。win + r ，輸入cmd 進入終端，輸入指令：

nvidia-smi

我的 CUDA 驅動版本是 12.1，這表示驅動所支持的最大 CUDA 運行時 API 版本是 12.1。因此，如果要安裝 CUDA 運行時版本，就需要確保 CUDA 驅動版本 >= CUDA 運行時版本，也就是說可以安裝 12.1 及更早的版本。

2、安裝pytorch

直接進入創建的虛擬環境中輸入命令，安裝成功：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

3、驗證是否安裝成功

指令：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

• 可以直接進入終端python運行指令檢驗

出現以上界面說明安裝成功

• 也可以直接在pycharm編輯器中驗證。

使用GPU環境，最后輸出cu121、True，說明安裝成功

五、補充

1、卸載當前的PyTorch版本

進入所在的虛擬環境，輸入以下指令即可。

pip uninstall torch torchvision torchaudio

2、失敗的安裝過程

可以利用conda和pip進行安裝，但是我都沒安裝成功，這里就不在過多介紹，可能是國內的鏡像源很多都不能GPU版本的安裝。可以參考。嚴格按照用pip安裝應該能成功，只不過我當時安裝指令錯了。

https://blog.csdn.net/weixin_44752340/article/details/130542629?fromshare=blogdetail&sharetype=blogdetail&sharerId=130542629&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link

最后我直接下載輪子文件(.whl)進行安裝。

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

上面這個是pytorch輪子文件的下載鏈接。根據自己的需求下載。

分別下載相應的torch、torchvision

我下載的是2.2.2版本torch和torchvision，對應的CUDA版本是11.8，python版本是3.8，正如綠色、藍色框所示。注意后面對應的 win 和 linux。下載過程較長。

下載完后，將兩個文件放在虛擬環境的目錄下。然后運行：

pip install 輪子文件名（torch-2.2.2+cu118-cp38-cp38-win_amd64.whl）

但是我也安裝失敗了，后來我又安裝的12.1的CUDA，也不行

應該是版本不兼容問題。