Windows系统下官方正式版PyTorch 0.4.0 安装测试

0.引言

喜大普奔，PyTorch于近日终于正式发布官方Windows版本啦！看到消息后马上进行了安装和测试，在这里记录一下。由于官方在windows系统上目前暂时只支持python3版本，所以今天将在Windows10上通过Anaconda3+python3.6进行安装和测试。

无论在Ubuntu还是在Windows中，我觉得Pytorch的安装一直是如此的简单明了，没有其他框架来的那么复杂，所以从安装上我就很喜欢Pytorch.

我这次安装PyTorch将按照如下顺序和版本进行安装：

• 1.安装Nvidia显卡驱动
• 2.安装CUDA9.1
• 3.安装cuDNN7.1
• 4.安装Anaconda3
• 5.安装PyTorch 0.4.0
• 6.多GPU实例测试

---

1.安装Nvidia 显卡驱动

在Windows上，基本都已安装有Nvidia的显卡驱动了，如果未安装或需要更新版本，可在Nvidia官网进行下载。下载完成后双击安装，路径默认即可。

---

2.安装CUDA9.1

2.1 下载

首先在英伟达官网下载CUDA9.1的安装包。

2.2 安装

下载本地版的exe可执行文件，完成后双击进行安装。安装将分别经历如下几个阶段：

安装时选择自定义，CUDA中也有驱动显卡安装一项，由于前面已经安装过显卡驱动，这里需要取消显卡驱动安装，只选择CUDA，点击下一步直至安装结束。

2.3 检验CUDA是否安装成功

win+R键输入cmd打开命令行窗口， 输入 nvcc -V ,安装正确则显示类似下图：

---

3.安装cuDNN

3.1 下载

进入nvidia官网下载cuDNN，选择win10版的进行下载。

下载下来的文件是个压缩包，包含如下内容：

3.2 “安装”

“安装”的方法很简单，将压缩包解压后，复制bin、include、lib这三个文件夹，粘贴到cuda的路径“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1”下即可。

具体为什么这么做还请参考博客：
win10+cuda8.0+cudnn+Tensorflow（GPU）安装
Win10下 CUDA + cuDNN 安装

---

4. 安装Anaconda3

4.1 下载

可在Anaconda官网或清华镜像(推荐)选择合适的版本下载，我下载版本如下：

4.2 安装

直接双击默认安装即可。或有疑惑可参考博客[Windows 安装 Anaconda3 详细过程]

4.3 使用

在Windows侧边栏找到Anaconda Prompt，点击打开。

通过 python -V 可查看Python版本为3.6.4。

---

5.安装PyTorch

5.1 安装

这里我将在Anaconda Prompt中使用pip进行安装，所以根据官网给出的命令行进行安装，依次选择Windows–pip–python 3.6– CUDA 9.1。

官网给出的是使用pip3进行安装，但很令人费解的是Anaconda中没有pip3，只有pip，强行使用pip3只会失败，后来从stackoverflow查询到，你的环境中如果只有python 3+版本，那么直接用pip进行安装就可以了，这样也会安装正确，即：

pip install http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whl 
pip install torchvision

我的安装结果是：

我是直接将安装包下载后再安装的，也可以直接通过网址自动下载安装。请忽略我的结果中红色警告，这部分不属于安装pytorch的提醒，最后torch-0.4.0成功安装。

提醒torchvision成功安装

5.2 测试

在命令行简单测试PyTorch，CUDA和cuDNN是否正常工作, 测试代码来源：

# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

CUDA测试结果如下：

cuDNN测试结果为：

说明安装成功。

---

6.多GPU实例测试

工作站有两张显卡，当然有必要测试一下并行运算，这里采用的是实例是Center Loss的PyTorch实现，我已经在Ubuntu 16.04+ python 2.7+ pytorch 0.3.0 环境下成功运行过，这次尝试在Windows10+python 3.6 + pytorch 0.4.0下的运行。

实时查看GPU占用情况，将路径C:\Program Files\NVIDIA Corporation\NVSMI添加到环境变量PATH中，就可以在cmd命令行，输入 nvidia-smi -l 实时查看GPU占用。

最后测试成功调用两块显卡完成计算。