PyTorch安装 [Windows10/cuda11.6]

本文步骤中所使用的环境：

版本: PyTorch GPU @cuda11.6
系统: Windows10
显卡: GTX1650
cuda版本: release 11.6, V11.6.112
conda版本: conda 23.1.0

版本检查

Python版本

版本都是对应的，很有可能某一步版本有差别就会出问题，我使用的 python 环境是 3.8，若想使用其他版本请移步其他博客参考.

有 Conda

直接使用 conda 创建一个新的 python 虚拟环境即可，python 版本选择 3.8 (本文直接使用默认的版本3.8.16, 不确定是否有影响).

conda update conda
conda create -n your_env_name python=3.8
# 例如 conda create  -n py38-gpu python=3.8

无 Conda

无 Conda 的话建议下一个 Anaconda 😄, 后续可以出 Anaconda 的安装教程.

不想下 Conda 也可选择重新装 python 环境，或者移步其他版本合适的博客，在命令行中输入如下命令：

python -V

本人使用的是 Pyhton 3.8.16，尽可能也选择一样的版本，或者 python 3.8，否则后续步骤可能有略微差异，不能保证后续无错误.

Cuda 版本

如果你的显卡是 AMD/ATI 那可以退出本篇了😆 ，A 卡不支持 CUDA 。

我的显卡是 NVIDIA GeForce GTX 1650 4GB ( 菜的一批，写写课程作业得了😢 )

在终端中输入nvidia-smi 查看 CUDA 版本，如下图显示 CUDA Version：11.6

如果 nvidia-smi 无法查看，可能是显卡太古老或者是显卡驱动有问题，更新一下显卡驱动试试看 (虽然更新可能会出现负优化的情况😆)。

如果还未安装 CUDA，可以去官网查一下 CUDA Toolkit 所需最低驱动程序版本，查看自己的显卡驱动是否支持 CUDA 11.6，若符合的话去官网安装 CUDA Tooolkit 和 对应版本的 cuDNN 即可。

如下表格 Windows x86_64 系统只要显卡驱动版本不低于 452.39 即可安装 CUDA 11.6。

CUDA Toolkit	Minimum Required Driver Version for CUDA Minor Version Compatibility*
	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 12.1.x	>=525.60.13	>=527.41
CUDA 12.0.x	>=525.60.13	>=527.41
CUDA 11.8.x	>=450.80.02	>=452.39
CUDA 11.7.x	>=450.80.02	>=452.39
CUDA 11.6.x	>=450.80.02	>=452.39
CUDA 11.5.x	>=450.80.02	>=452.39
CUDA 11.4.x	>=450.80.02	>=452.39
CUDA 11.3.x	>=450.80.02	>=452.39
CUDA 11.2.x	>=450.80.02	>=452.39
CUDA 11.1 (11.1.0)	>=450.80.02	>=452.39
CUDA 11.0 (11.0.3)	>=450.36.06**	>=451.22**

开始安装PyTorch

直接去官网，点击 Install，然后选择相应的版本，如下图可以看到会给出一个安装命令，~~直接在命令行输入该命令即可完成PyTorch+cuDNN+torchvision全部的安装！~~当然要是这么简单的话就好了😢，直接下载的话非常非常的慢，除非你的网络可以流畅的访问外网…

当然还有一个问题就是这个页面中竟然没有 CUDA 11.6 的选项😭，但是没有关系我们可以点击图中表格上方的 install previous verisons of PyTorch 选项在历史版本中找到 CUDA 11.6 对应的 Pytorch 版本：

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

很好现在回到我们访问外网下载龟速的问题上，如果不在国外，又不想使用魔法的话，直接在浏览器中打开安装命令后面的网址 https://download.pytorch.org/whl/cu116，打开后界面如下：

再次回到刚刚的安装命令，可以看到我们需要安装 torch、torchvision、torchaudio 这三个东西：

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

分别点击相应的链接，找到相应的版本下载即可。

首先是 torch， 点击之后进入到新页面可以看到很多.whl后缀的文件，现在我们就需要根据自己的环境来选择合适的版本，例如我的环境是：

CUDA版本:11.6
Python版本:3.8
操作系统版本:Win10
处理器:AMD R7-4800H 64位

即对应可以下载如下图的版本 (可以直接 CTRL + F 搜索)：

其中 torch-1.12.0 就是 torch 的版本，cu116 就是 cuda 版本，cp38 就是 Python的版本，win_amd64 就是 64 位 windows 系统。

点击该链接就会开始下载，当然如果直接使用浏览器网页下载可能依旧会很慢，并且网络较差文件比较大的时候很有可能出问题导致下载失败，这个时候我们可以选择使用下载器来下载，找个好用的下载器 ( 正经下载器，例如迅雷 )，复制链接下载即可。

之后的 torchvision 和 torchaudio 同理，按照刚才我们说的命名方式，找到合适的版本，然后下载即可，全部下载完之后就可以开始安装了。

手动安装

以 pip 为例我们只需要指定安装包的路径即可，找到我们下载的 *.whl 文件目录，在文件夹的目录栏输入 cmd 后点击回车即可快速打开一个当前目录下的命令行：

也可以 Win + R 输入 cmd 打开命令行之后转过，总之在该目录下打开一个终端即可。

之后执行命令 pip install ./安装包名字.whl 即可安装，例如 pip install ./torch-1.12.0+cu116-cp38-cp38-win_amd64.whl ，同理其他的安装包也是这样安装。

检验是否成功

使用 Python (注意如果用的是 conda，记得切换到对应的虚拟环境) 执行如下代码：

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

如果得到如图所示的输出，那么说明安装成功，可以愉快地使用 GPU 进行计算了！

如果没有出现 cuxxx 且打印了 False 那说明安装出了问题，重新过一遍步骤看是否有遗漏有差错吧…

跑个程序测试下

以防万一，我们可以随便找一个测试程序运行一下看看是否真的使用 GPU 进行计算。

import torch
import time
from torch import autograd

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

a = torch.randn(10000,5000)
b = torch.randn(5000,10000)


print("device\t\tLoadData Time\tComputing time\tTotal time")
# # 设备选择 cpu
device = torch.device('cpu')
# 加载数据
beginTime = time.time()
a = a.to(device)
b = b.to(device)
endTime = time.time()
loadTime = endTime - beginTime
# 计算矩阵
beginTime = time.time()
c = torch.matmul(a,b)
endTime = time.time()
calTime = endTime - beginTime

totalTime = loadTime + calTime
print(device,"\t\t%.5f\t\t%.5f\t\t%.5f"%(loadTime,calTime,totalTime))


# 设备选择 gpu
device = torch.device('cuda')
# 加载数据
beginTime = time.time()
a = a.to(device)
b = b.to(device)
endTime = time.time()
loadTime = endTime - beginTime
# 计算矩阵
beginTime = time.time()
c = torch.matmul(a,b)
endTime = time.time()
calTime = endTime - beginTime

totalTime = loadTime + calTime

print(device,"\t\t%.5f\t\t%.5f\t\t%.5f"%(loadTime,calTime,totalTime))

运行后如果电脑突然燃起来🔥，散热风扇开始疯狂转，说明已经在工作，如下图是我的电脑运行后的结果：

可以看到 cuda 加载数据 (使用显卡时需要将数据加载到显存中 ) 耗时较久，但计算时间相比 cpu 快很多。因此对于 I/O 密集型程序，用 cpu 可能好一些；而对于计算密集型程序，使用显卡或许会有奇效。

安装完成

安装成功！开始 coding !😆