| pytorch的安装教程 | 您所在的位置：网站首页 › python怎么不安装到c盘 › pytorch的安装教程 |
pytorch的安装教程
|
需要安装CPU版本的请点击：pytorch安装教程/pytorch安装教程.md · shuguo/shuguo - Gitee.com 系统：windows系统 1.更改镜像源我们这里使用的是 Anaconda安装。 Anaconda安装教程链接：Anaconda安装教程_shuguo666的博客-CSDN博客 提升下载的速度（默认是从国外下载），首先更改镜像源（这里使用的是清华镜像源）。win+r 输入cmd 回车（或者点击确定按钮），打开命令窗口 输入下面的命令： conda config --set show_channel_urls yes
然后在windows系统的当前用户的目录下，可以找到.condarc的文件（默认在C盘下的 User 或者 用户 目录下的当前用户目录下）。
用记事本打开将.condarc的内容替换成下面的内容，然后保存并退出。 channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud返回到cmd命令下输入下面的命令回车。 conda clean -i
-- 要求：电脑必须要有 NVIDIA 独立显卡 推荐的教程： 推荐一个某博客的安装CUDA的教程网址：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_深度学习cuda 喜欢看视频的教程，推荐大家看下面的视频（个人觉得讲的非常不错的） CUDA安装视频教程链接：【CUDA安装/多CUDA兼容】Windows深度学习环境配置_哔哩哔哩_bilibili -- 也可以跟着我的教程来完成安装 我的教程 查看自己电脑上的NVIDIA显卡驱动支持的本版（可以向下兼容，不可安装超过支持的版本） 这里有两种方法查看 1、第一种查看方法：
在菜单 “帮助” --> “系统信息” 弹出的对话框的 “组件” tab框中能看到。
我的支持安装CUDA是11.1及以下的版本 2、第二种查看方法： win+r 输入cmd 进入命令模式 再输入： nvidia-smi
我的支持安装CUDA是11.1及以下的版本 进入CUDA下载网址，下载我们支持的版本 [下载CUDA网址] https://developer.nvidia.com/cuda-toolkit-archive 我这里就选择 CUDA 10.2 的版本，你们也可以选择其他版本，支持就行安装方式基本一致
文件比较打下载的时间会比较慢，推荐大家使用迅雷下载（如果没有迅雷，可以自行下载安装一个） 在下载完成后打开我们的文件以管理员的身份运行：
安装包解压路径选 可以选择默认路径 也可以自己选择路径，软件安装完毕后会自动删除。
等待解压完成
我们接下来更改一下安装位置，安装在D盘下。 安装路径分别为： D:\NVIDIA\CUDA D:\NVIDIA\CUDA D:\NVIDIA\CUDA Samples 先创建好需要的目录
最后是cuDNN，其实这只是一个基于cuda的库，不需要安装，下载后的压缩包解压后是一些头文件，lib和dll（windows操作系统）文件。 cudnn下载地址：（需要登录） https://developer.nvidia.com/rdp/cudnn-download 因为需要创建开发者账号比较麻烦，我就直接使用别人下载好的文件，接下来跟着我的步骤操作 1、解压文件 2、复制文件
3、粘贴文件
进入cmd命令模式 输入下面的代码 nvcc -V显示下面的信息说明安装成功
python3.8 + CUDA10.2 + pytorch 1.10 这是对应的版本，亲自尝试有效，（大家也可以去尝试其他版本的，步骤基本一样） 进入 cmd 命令模式下，如果使用的是我这里对应的python3.8 + CUDA10.2 依次出入下面的命令即可 1、创建虚拟环境，python=（版本号，可以自行修改） conda create -n pytorch python=3.82、查看虚拟环境 conda info --envs3、激活虚拟环境 conda activate pytorch4、安装pytorch（可以到pytorch官网找到对应的版本命令） conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch
情况1：显示的是下面的信息说明安装的是GPU版本的
情况2：显示的是下面的信息，安装的不是GPU版本的而是CPU的
：注意查看安装的是否是GPU版本的，如果 是 下面就输入 y 安装，如果 “不是” 就输入 n 取消安装（需要找到对应的版本） 情况1 是GPU版本的，情况2 是 CPU版本 情况2：安装的不是GPU版本的而是CPU的
输入y后就开始进行安装，安装可能会比较慢耐心等待一下
5、检验pytorch安装是否成功
打开pycharm 创建工程后
1、激活虚拟环境 conda activate ptorch（虚拟环境名）2、输入pip的命令 pip install matplotlib（包名）
3、使用镜像pip包（这里使用清华镜像） 使用pip的时候在后面加上-i参数，指定pip的下载源 pip install numpy（包名） -i https://pypi.tuna.tsinghua.edu.cn/simple |
【本文地址】