安装GPU版本Pytorch（全网最详细过程）

目录

一、前言

二、安装CUDA

三、安装cuDNN  

四、安装Anacanda

五、安装pytorch

六、总结

一、前言

    最近因为需要安装GPU版本的Pytorch，所以自己在安装过程中也是想着写一篇博客，把整个过程记录下来，在整个过程中也遇到了不少的问题，查看了以往别人的一些解决方案，希望能够给遇到同样问题的提供一些参考。

    如果大家在安装pytorch的时候，并不需要安装gpu版本的，即使用cpu进行训练的pytorch，那么直接在Aanaconda Prompt当中输入以下命令即可：

pip install pytorch

    如果是想要安装gpu版本的pytorch，则需要参考以下几个步骤。

二、安装CUDA

    以我自己的电脑为例：我的电脑显卡是Geforce MX150，CPU是i5-8250u，操作系统是win10。如果想要使用gpu版本的pytorch，首先得安装一个自己显卡支持的CUDA版本。

    根据我自己的电脑，选择的是CUDA9.2版本。

    1、查看电脑的显卡驱动版本：右键选择NVIDIA控制面板→帮助→系统信息

    2、查看安装不同版本CUDA所对应的显卡驱动版本（比如这里我选择的就是9.2版本，建议显卡驱动版本高的安装高版本CUDA，显卡驱动版本只要大于CUDA对应的最低版本就行，显卡驱动版本版本过低可以升级）：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

     3、接下来下载所选择版本的CUDA，下载网址：https://developer.nvidia.com/cuda-toolkit-archive

    4、下载完成直接安装即可。

    有些人在安装过程中会出现visual studio integration失败的提示，查了一些资料和案例发现最简单的办法就是选择自定义安装，在CUDA组件下取消勾选visual studio integration，这样就不会报错了，另外在安装的时候还出现了弹窗提示脚本错误，这个直接无视就行。

    5、安装成功以后可以测试一下，在命令行里面输入nvcc -V，能输出版本则代表安装成功。

三、安装cuDNN  

    cuDNN需要先注册才能下载：https://developer.nvidia.com/rdp/cudnn-archive，进去慢是常态！

    1、注册完以后选择对应CUDA版本进行下载，我这里选择的是CUDA9.2的对应版本。

    2、下载下来以后，解压之后的文件结构如下。

    3、接下来把这四个文件全部复制到CUDA的安装文件夹下面。

    CUDA安装的默认文件夹是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2

    复制完成以后如下图所示：

    4、然后测试cuDNN安装是否成功。

    在extras/demo_suite/目录下右键在windows终端中打开，然后./bandwidthTest.exe运行，，如果Result = PASS则代表cuDNN安装成功。

四、安装Anacanda

    由于我的电脑已经安装过Anaconda，所以此步骤就不再重复，如果不会安装的话，可以去我的另一篇博客里查看，里面有Anaconda官网，里面可以进行下载：https://blog.csdn.net/Starinfo/article/details/125828332?spm=1001.2014.3001.5501

    注意安装时勾选将Anaconda加入到环境变量中。

   1、 默认大家已经安装好的情况，打开Anaconda Prompt，通过conda创建一个名为pytorch的虚拟环境，名字可以任取：

conda create -n pytorch python=3.7

    2、创建好的虚拟环境可以通过如下命令查看：

conda info --envs

    3、然后激活：

conda activate pytorch

五、安装pytorch

    1、在清华源镜像中下载pytorch、torchvision、cuda92：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

    因为我的压缩包分散了，方便大家看，使用一张别的博主的图：

    2、一定要选择正确的版本，带有cpu的版本不要选择，这里选择的pytorch是1.4.0版本，torchvision是0.5.0版本，将上述压缩包复制到Anaconda安装文件夹下对应的pkgs文件夹下。

    3、在第三步创建的新环境pytorch中安装下载好的压缩包

conda install D:\Anaconda\pkgs\cuda92-1.0-0.tar.bz2
conda install D:\Anaconda\pkgs\pytorch-1.4.0-py3.7_cuda92_cudnn7_0.tar.bz2
conda install D:\Anaconda\pkgs\torchvision-0.5.0-py37_cu92.tar.bz2

    安装完以后如图所示：

    4、到这一步，该环境已经搭建完成了，接下来将该环境加入到pycharm中，在file→Settings→Python Interpreter中点击右侧的齿轮，选择add->Existing environment，选择刚才创建好的pytorch环境，这里因为我已经创建好了，忘了截图，所以用一张别的博主的图给大家作演示：

    5、验证是否安装正确，可以运行下面代码，看是否得到输出。

1. import torch
2. import numpy as np
3. test=np.array([[1,2,3,4],[5,6,7,8]])
4. x=torch.tensor(test)
5. print(x)
8. import torch
9. print(torch.cuda.is_available()) #输出为True，则安装无误

六、总结

    至此所有的工作都已经完成，接下来就可以在pycharm中进行pytorch的GPU版本的学习和训练。本篇博客是跟据我个人的安装情况和其他博主的安装情况综合而成，有什么遗漏或错误的的地方欢迎大家指正！