【PyTorch快速入门教程】01 Pytorch安装及配置

1 查看电脑是否支持 cuda

1.1 Windows

看看自己的电脑是否支持cuda，就是看看电脑中是否有 GPU。我们可以调出任务管理器（Ctrl+Alt+.），查看是否有GPU。

1.2 Linux

lspci：该命令用于显示所有PCI设备的信息，包括显卡。 可以通过结合grep命令来筛选显示只包含显卡信息的行。

lspci | grep -i VGA

2 安装 Cuda

2.1 查看 GPU 可安装的驱动版本

进入 NVIDIA GPU 驱动网站：https://www.nvidia.cn/geforce/drivers/，根据自己的 gpu 型号查询可安装驱动版本。

可以看到笔者电脑最高仅支持 475.14 版本的显卡驱动。

2.2 下载及安装 CUDA

进入CUDA Toolkit官方文档：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html，查看所需安装的CUDA版本。

由于GPU驱动版本最高为 475，因此仅能安装CUDA 11.4及以下版本。在这里，我选择安装 CUDA 11.4（实在没有办法/_ \）。

Tips: GA 版本是正式版，例如 CUDA 12.1 GA代表的是CUDA 12.1.0。而Update x是升级版，例如CUDA 12.1 Update x 代表的是 CUDA 12.1.x。

在确定好自己所要安装的CUDA版本后，就可以下载啦。下载地址：https://developer.nvidia.com/cuda-toolkit-archive。

2.3 安装 CUDA 注意事项

在安装 CUDA 时，选择自定义安装，把 Visual Studio Integration 勾选去掉。如果你没有安装 VS 的话，安装 Visual Studio Intergration 可能会有影响，因此安全起见，统一不勾选即可。

我们可以自定义安装位置，但是必须记住这个安装位置，因为后面配置环境变量时要用。笔者的 C 盘快没了，所以安装到 F 盘。

2.4 配置 Cuda 环境变量

在【系统属性】中的【高级】下的【环境变量】处查看是否存在 CUDA_PATH 变量。一般都会自动添加的，不必担心。

2.5 验证是否安装CUDA成功

打开cmd，输入 nvcc --version，返回如下信息即安装成功。

3 安装 cuDNN

3.1 下载 cuDNN

进入 cuDNN下载网址：https://developer.nvidia.com/cudnn-archive, 选择一个合适的 cuDNN 进行下载。

将下载好的文件压缩包，进行解压缩。并把其中的文件添加到cuda所在的目录

3.2 配置 cuDNN 环境变量

和上面配置 CUDA 环境变量大同小异，查看 Path 中是否存在以下路径，没有则添加。

3.3 验证是否 cuDNN 安装成功

运行deviceQuery.exe和bandwithTest.exe，若 Result 均为 PASS，证明安装成功。

cd F:\Programs\cuda11.4.4\extras\demo_suite
deviceQuery.exe
# Result = PASS
bandwithTest.exe
# Result = PASS

4 安装PyTorch

进入Pytorch官网，选择合适版本的 PyTorch 进行安装。笔主安装的CUDA版本是 11.4， 因此选择 CUDA 11.8。之后复制链接，在命令行安装即可。

如果使用Conda环境，则需要切换到相应环境下，进行命令行安装，否则，直接在命令行安装即可。

python -m pip insall torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

打开Python运行环境，输入以下命令测试是否安装成功。

5 参考

1. NVIDIA CUDA Toolkit Release Notes - NVIDIA, 2024
2. CUDA Toolkit Archive - NVIDIA, 2024
3. cuDNN Archive - NVIDIA, 2024
4. PyTorch官网 - The Linux Foundation, 2024
5. 【保姆级教程】Windows安装CUDA及cuDNN - CSDN, 2023