PyTorchCUDA软件安装指引（Windows）

目录

【前言】

【快速安装指引】

【Pytorch先决条件关系图】

【操作系统&VS Build Tools】

【Annaconda——Python虚拟环境创建】

【显卡驱动更新&GPU算力确认】

 【CUDA&cuDNN安装配置】

【PyTorch安装】

 【结束语】

【前言】

初识PyTorch，得到 络上各位老师指引。软件安装方面，有许多细节内容，但没有系统性的帖子，所以结合本人经验整理后与各位共享。如有错误，也请各位及时指正。

【快速安装指引】

本人使用软件：Win 10操作系统、VS Build Tools 2019、Nvdia GTX 750ti 显卡、CUDA &cuDNN10.2 、Anaconda（Python3.8.13）、PyTorch 1.7.1

快速安装顺序（CUDA）：确认显卡算力 确认CUDA与显卡驱动版本 确认PyTorch与CUDA版本 —> 下载所需软件 —> 安装VS Build Tools Anaconda（配置虚拟环境） 更新显卡驱动 安装配置CUDA&cuDNN 安装PyTorch —> 愉快地使用

1、如果电脑没有显卡，就只能选择安装CPU版本。如果显卡算力较低，也只能安装CPU版本，这是个大坑，初学者一定要注意确认GPU算力；当然啦，用A卡的同学也不用往下看了；

2、如果使用CUDA，影响PyTorch运行的因素较多，详情如下图。

接下来按照软件安装顺序逐一说明。

【Pytorch先决条件关系图】

【操作系统&VS Build Tools】

推荐安装Win10操作系统

安装CUDA时，需要已安装VS Build Tools生成工具，生成工具也需要有.net framework。Win7 系统可以支持的最高.net framework为4.5.2。因为我使用的是VS Build Tools 2019, 要求.net framework 4.6 以上，Win7 系统已经无法支持。另外Win7 系统微软也停止维护了，所以推荐使用Win10系统。

下载安装 VS Build Tools（根据自己的需求选择相关链接）：

下载 Visual Studio Tools – 免费安装 Windows、Mac、Linux

【Annaconda——Python虚拟环境创建】

安装Python也有许多选择，可以直接从官 下载安装包，自己搭建Python环境。为了方便，推荐Annaconda，可以生成多个不同的Python虚拟环境，免除相互之间的干扰，不想用的虚拟环境极易删除，十分方便。

Annaconda下载地址：

Anaconda | The World’s Most Popular Data Science Platform

创建Python虚拟环境：

打开Annaconda Prompt，输入以下命令，创建虚拟环境

以上代码将会创建名为env_name，python版本为3.9的虚拟环境

【显卡驱动更新&GPU算力确认】

关于显卡的内容比较多，也比较复杂，诸君细看。

显卡驱动更新：

官方 GeForce 驱动程序 | NVIDIA

CUDA&显卡驱动：

Release Notes :: CUDA Toolkit Documentation

截图官 文档的部分图表，具体对照内容请登陆官 查询。以 CUDA 11.6 Update 2为例，Windows系统下显卡驱动版本要>=511.65，接下来就要将你的显卡驱动更新到最新，看是否满足要求。如果不能，就选择低版本的CUDA。另外，问题来了，Pytorch中一些新的包，需要较高版本的CUDA，但是你的显卡驱动只能装低版本CUDA，怎么办一块显卡！不行的话，就只能装CPU版本的Pytorch，当然，速度极慢，肉眼可见。

显卡算力确认：

显卡算力查询 址

CUDA GPUs | NVIDIA Developer

你以为一个小坑就完了神经 络，该花的钱是要花的，该武装的硬件要武装起来。

(大坑）PyTorch对GPU算力有要求，从PyTorch 1.3开始，不再支持GPU的算力在3.5及其以下的显卡，所以考验你显卡硬件的时候到了。如果你没有看到这一条，吭哧吭哧的装了高版本的PyTorch，等你运行代码时就会 错：

                PyTorch no longer supports this GPU because it is too old

怎么办呢，好办！换显卡或装CPU版本，你又回到了起点。老老实实查查你的显卡算力够不够，该买买。部分显卡算力截图：

 【CUDA&cuDNN安装配置】

CUDA下载

CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer

CuDNN下载

cuDNN Archive | NVIDIA Developer

下载CUDA、cuDNN需要先注册，按 站指引操作即可，这里不详述了。

CUDA&cuDNN配置

我以CUDA 10.2为例，如果是其他版本的CUDA，自行将v10.2替换为你自己的版本即可。

先安装CUDA建议使用默认安装路径，操作简单，这里不详述了。

cuDNN不需要安装，将压缩包解压后得到三个文件夹bin、include、lib，将这三个文件里的内容依次复制到CUDA安装目录相同名称的文件夹里，详情操作可参考文后链接，不详述了。

接下载要配置环境变量，计算机（右键）>属性>高级系统设置>环境变量

安装CUDA后已经生成两条环境变量了，还要继续添加，你想问为什么重要，干就是了。

CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2(默认路径，根据自己路径调整)
CUDA_LIB_PATH = %CUDA_PATH%libx64
CUDA_BIN_PATH = %CUDA_PATH%bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%binwin64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64

完了吗有呢！

答案：你的path变量开头可能是% ，修改为 C:WINDOWSsystem32理论上可以解决，如果不能解决，我也没招，不过一长条并不影响你的操作。

如果是表格，就点新建，加一行如下内容；如果是一长条，也不用怕，直接在后边粘贴就行了，不过第1个%前要加一个英文分 ;（可直接复制）：

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

上一条弄好了，接下来再新建4条（长条框也是直接贴在后边就行，注意用英文分 隔开）

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64；
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2bin；
C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2commonlibx64；
C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2binwin64；

【PyTorch安装】

PyTorch官

Start Locally | PyTorch

PyTorch需要使用命令行安装，进入PyTorch官 ，选择自己所需要的版本，复制相应命令。如果需要较早版本Pytorch，选这句You can also install previous versions of PyTorch.

在进行下一步之前，请确认以下内容：

1、GPU算力满足自己想安装的PyTorch版本

2、显卡驱动满足自己安装的CUDA版本

3、确定你要安装的PyTorch里有你所需的包，举个栗子，PyTorch 1.6支持自动混合精度amp，如果你的代码需要导入amp，那就行安装1.6以上的Pyrotch。如果是下载别人的代码运行，那可以看一下代码的要求，如果是自己写的代码，那我这个初学者适宜的文章，您还用看这个文章吗/p>

都没问题是吧，那来，进屋，你已经不是个门外汉了。

PyTorch安装

以安装PyTorch 1.7.1为例，首先，打开Annaconda Prompt，使用命令激活虚拟环境：

在虚拟环境里粘贴复制的命令，运行。

基于CPU的PyTorch，使用如下命令

基于CUDA的PyTorch，使用如下命令

 【结束语】

按照上述操作，你的代码肯定能跑了，如果跑不起来，你找我……也没有用，自己动动手求助各位 老师吧。至于使用Pycharm还是Microsoft Visual Studio，怎么激活，自己练练手吧。

参考链接：

深度学习环境搭建（GPU）CUDA安装（完全版）_小邢同学的博客-CSDN博客_cuda 安装

Anaconda 安装、配置、使用详细教程_maskblue的博客-CSDN博客_anaconda怎么配置

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能深度学习208266 人正在系统学习中