您现在的位置是：首页 > 技术教程正文

如何用conda安装PyTorch（windows、GPU）最全安装教程（cudatoolkit、python、PyTorch、Anaconda版本对应问题）（完美解决安装CPU而不是GPU的问题）

admin 阅读： 2024-03-19

后台-插件-广告管理-内容页头部广告（手机）

一、开发环境

安装PyTorch的开发环境：Anaconda+CUDA+cuDNN+PyCharm Community

二、安装过程

1、Anaconda的安装

1.1 版本选择

第一步就是最关键的版本对应问题（这决定你能否成功安装PyTorch，以及能否成功安装GPU版本的关键问题），可以这么说，版本不能对应好，后面有很大的问题，因此，我们要先确定版本的对应关系。（当然，你的电脑配置很高，直接就下最高版本就可以）

我们需要确定conda、cudatoolkit、cudnn、python、PyTorch、torchvision的版本对应。

下面为确定的过程：

首先，搜索NVIDIA Control Panel（win+s进行搜索）。

然后打开并点页面左下角系统信息，找到组件里的NVCUDA64.DLL，发现CUDA驱动为11.6.106版本。那么就说明你之后安装CUDA的cudatoolkit的版本不能超过11.6.106。所以我这里安装CUDA的cudatoolkit版本就可以设置为11.6（或更低）。

最后找conda、cudatoolkit、cudnn、python、PyTorch、torchvision的对应关系。

下面是我提供部分的cudatoolkit与PyTorch版本的对应关系。由于我想安装CUDA的cudatoolkit是11.6版本的，对应下图我可以选择1.12.0(1)、1.13.0(1)共四种版本的PyTorch版本。在这里我选择PyTorch为1.12.1版本进行安装。

完整的对应关系在PyTorch官网：Previous PyTorch Versions | PyTorch

像下图是我找的PyTorch为1.12.1版本的。红色框中的是命令行指令，这在我们最后安装PyTorch需要用的，我们能清楚地看到版本之间的对应，红色框中可以看到cudatoolkit为11.6而且PyTorch为1.12.1版本，正好是我们需要的。

接下来就可以着手准备安装Anaconda了，不过在此之前，先要安装正确的Anaconda版本（像Anaconda官网里的是最新版的，并不适配本台机子，需要下载旧版）。

确定Anaconda安装包，打开网址进行关系的查找：对应关系

这里有很多Anaconda的旧版本安装包信息，然后找64位windows版本的安装包，找到能满足cudatoolkit为11.6，PyTorch为1.12.1版本的Anaconda。红色框中的安装包信息为本机能够满足的Anaconda版本。

点击进到具体页面，找conda、cudatoolkit、cudnn、python、PyTorch、torchvision的版本信息，下图为我找到的版本信息。可以看到Anaconda所需要最低配置的版本如下，cudatoolkit的版本最起码要11.3.1（我们要安的是11.6版本，完全满足），pytorch版本正好满足。

确定好了Anaconda的安装包，那么就可以正式安装Anaconda了。

打开Anaconda下载的官网：下载Anaconda。根据刚才的Anaconda安装包信息，找到我要下载的Anaconda的安装包Anaconda3-2023.03-0-Windows-x86_64.exe。如下图：

1.2 安装过程

下载完后跟随下面步骤进行安装

I Agree

个人使用就选Just me。

这里安装路径建议默认。

要选择红色框中部分，它自动添加我们的环境变量（不选就需要我们自己配置），剩下的默认。

等待安装。。。

取消勾选，Finish

查看环境变量是否配好

win+s搜索编辑系统环境变量

环境变量中的用户变量中可以看到红色框中Anaconda的环境变量已经配置好了。

1.3 验证安装是否成功

验证Anaconda环境是否配置成功

win+R打开cmd

分别输入下面红框中的命令。若能输出类似信息，说明Anaconda安装成功。

2、CUDA的安装

windows10 版本安装 CUDA ，首先需要下载两个安装包

CUDA toolkit（toolkit就是指工具包）

cuDNN（用于配置深度学习使用）

2.1 CUDA toolkit的安装

首先对CUDA toolkit进行安装，找到我们所需的CUDA toolkit版本。

下载网址：CUDA Toolkit download。

在Anaconda那节，我们知道我的CUDA驱动为11.6.106版本，那我只能选低于11.6.106的cudatoolkit版本，因此，选的是11.6.0这个版本。如下图：

点进去之后，选好相应的版本信息。

Windows操作系统+64位+win10+本地下载

按照如下步骤进行安装。

解压安装包目录建议默认，安装结束后会自动删除。

等待解压。。。

进入安装界面

同意并继续

推荐选择自定义安装

自定义安装选项中的驱动组件(Driver components)，其中的Display Driver取消勾选（不要打√），这样当前版本比新版本要高。

选择安装位置默认，并且要记住安装路径，一会环境变量配置要用。

打钩下一步。

等待安装。。。

环境变量的配置

win+s搜索编辑系统环境变量并打开。

先查看环境变量是否自动配置好了。下面这两个是自动生成的，不需要更改。

但还有两个变量并没有生成（可能有人能生成，那就不用添加了），因此，需要手动配置环境变量。

根据之前的安装路径中的Samples配置我们的环境变量

变量	值
NVCUDASAMPLES_ROOT	C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6
NVCUDASAMPLES11_6_ROOT	C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6

验证是否安装成功

如果大家能找到nvcc.exe，那说明cuda安装成功

接着用win+R打开cmd，输入nvcc -V（查看版本号）和set cuda（查看cuda设置的环境变量）命令进行测试。可以看到我们成功安装了11.6版本的cuda。

但也有输入nvcc -V之后发现nvcc不能被识别的问题，那么这是环境变量没有配置好的问题。

win+s搜索编辑系统环境变量，在系统变量中找到path，编辑并新建环境变量，环境变量配置如下：（注：v11.6依据你的版本来，你是11.8，那么就是v11.8）

变量	值
Path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
Path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp

2.2 cuDNN的安装

首先进行cuDNN的下载：cuDNN Download。但进入官网后需要先进行注册，注册完之后才能开始我们的下载。

先打钩，然后会显示下载的版本信息，这里我们选择Archived cuDNN Releases，找到历史的版本。

根据CUDA适配的版本来选择，这里我随便选择一个合适的。

然后选择windows版本进行本地下载。

先对安装包进行解压。

可以发现压缩包里是文件。

将cuDNN安装包里的三个文件夹里的内容分别复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6路径下的同名文件夹（bin、include、lib）里，LICENSE直接复制到v11.6文件夹里。

环境变量的配置

win+s搜索编辑系统环境变量并打开。在系统变量中的path添加环境变量如下：

（路径根据自己的进行修改）

变量	值
path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\CUPTI\lib64

验证cuDNN是否安装成功

win+R打开cmd，分别输入下列命令。若输出类似的信息，则说明cuDNN安装成功。

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite
.\bandwidthTest.exe
.\deviceQuery.exe

3、PyTorch的安装

3.1 获取命令行

先进入PyTorch官网：Start Locally | PyTorch

然后找到适合的PyTorch版本，如下图红色框中就是我们需要的命令，这个我在Anaconda的安装那一节就已经讲过了，忘了的，可以回头看一下。

win+s搜索cmd，我们需要以管理员的身份安装PyTorch（不然会出错）。

3.2 安装过程

由于我们安装的PyTorch需要从国外服务器下载安装包，所以安装会很慢很慢。所以安装的时候可能会出现如下问题：

这里安装我们有两种解决方案。

第一种方法就是设置conda下载的时长大一点，然后运行安装命令（我选的就是这种）。

在cmd中分别输入下列命令。由于PyTorch从国外服务器下载安装包（懂得都懂~~~），其实可以不用设置时长，但为了保险起见，我建议还是设置时长，这样成功率更高。

conda config --set remote_read_timeout_secs 600.0

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

由于我已经安装好PyTorch了，所以下面是我重新输入上面命令所得到的，所以最后一行显示了All requested packages already installed。

如果你是第一次安装的话，当显示Solving environment:done后，你会看到Proceed([y]/n)?，选择y，然后漫长等待。。。，最后是显示完done后就安装好了。（cmd以管理员身份运行）

在你输入y之后，你着重看两个地方，一个是cudatoolkit是不是你之前安装的版本，pytorch的版本是不是你要安装的版本，以及pytorch的build（例如下图）是不是含有cuda，若出现了cpu，那抱歉后面其实不用安了，你最终会安装成CPU版本的。原因有两个，一个是你的电脑不支持GPU，因此只能下CPU版本，另一个是我一开始强调的版本问题，没好好对应，那么PyTorch找不到对应GPU的，只能给你安装成CPU版本的。

第二种方法就是添加额外的源，直接从速度快的源进行下载（这样不用担心下载慢）。

在cmd中分别输入下列5条命令，这样我们添加了清华源。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/