PyTorch安装教程

诸神缄默不语-个人CSDN博文目录

PyTorch是学习深度学习时常用的Python神经网络框架，本文将介绍其部分版本的安装方式。Windows和Linux通用。
作者使用anaconda作为管理虚拟环境的工具。以下工作都在虚拟环境中进行，对Python和Aanaconda的安装及对虚拟环境的管理本文不作赘述，后期可能会撰写相关的博文。

首先进入官网：Start Locally | PyTorch

在官网中说需要先安装numpy等包，其实用conda源的话就不需要，因为在安装PyTorch的过程中就会自动安装所需的包。用pip的话没有测试过。

系统环境，一般能安装就没问题。可以自检一下，Linux的系统最低版本要求：

Windows的最低版本要求：

PyTorch包的版本，一般如果项目有需求就按照项目需求来。如果没有需求建议直接选择LTS版本。LTS意为长期支持（Long-term Support），意思是保证这个版本会在长期得到支持（改bug等）¹，因此建议安装此版本。

如果您需要安装的版本是官网首页的这些版本，可以据此直接选择您的PyTorch版本、OS版本、想用以安装的工具（一般推荐anaconda，原因会在后文介绍）、语言选择Python、计算平台选择CPU或者您对应的cuda版本（后文会介绍如何选择），复制命令行直接运行即可：

更早的PyTorch版本可以在这个页面：Previous PyTorch Versions | PyTorch 里查找对应的命令行。

一般推荐使用anaconda安装，在官网中给出的理由就是它会帮忙直接下载好所有依赖，尤其是cudatoolkit。
关于cuda的选择，首先您需要查看您本机的cuda版本。

Windows的查看方式：
打开nvidia控制面板。一般都在折叠图标里面：

也可以通过开始菜单打开：

打开后界面类似如下：

点击“帮助-系统信息-组件”，显示如下图界面中红圈所示位置就是cuda版本，图中即11.4：

另外还有一种通过命令行查看的方式：nvcc --version，但是这个我本机没有。
此外还有一个是通过nvidia-smi命令行查看cuda版本：

Linux使用命令行的查看方式类似。
但是另外还可以通过cat /usr/local/cuda/version.txt查看cuda版本。这个一般都是有的，如果没有我也暂时没有办法……
效果示例：

CUDA Version 10.0.130

但是需要注意，使用上述所有方式最后得到的cuda版本可能不一定一样，可以参考这篇博文：1.查看cuda版本-nvcc -V、cat /usr/local/cuda/version.txt、nvdia-smi 三种方式得到的都不一样_图形学挖掘机的博客-CSDN博客
这个情况比较复杂，简单来说，是因为cuda有Runtime 运行API和 Driver 驱动API两种版本。一般运行API版本<=驱动API版本即可。而软件运行时调用的应该是Runtime Version。所以一般要求按照版本比较低CUDA的来选择PyTorch的cuda版本。
别的细节我也不清楚，以后研究研究可能会回来补。
实在闹不清楚也没关系，后文会介绍cuda版本安错了的解决方式。

在选择PyTorch的cuda版本时，最好选择与本机cuda版本匹配的版本。
如果没有，可以选择比本机cuda版本更低的版本。但是这样的话建议使用conda作为下载源，因为这样才可以自动下载cudatoolkit工具。（因为我用pip源安装过，就没有）
不过如果下错了也没关系，后文会介绍PyTorch安装完成后如何检验PyTorch能否使用cuda。如果不能用，一般就是下错了，卸载重安一遍就行……
（这就是安装在虚拟环境里面的意义，如果卸载重安搞乱了就直接删除整个虚拟环境，再开个新环境就vans）

如以官网首页的LTS版本PyTorch，cuda10.2，使用conda作为下载源为例，官网提供的命令行如下：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch-lts

如果terminal已经在虚拟环境中，可以直接执行该命令行。
反之需要在install后加上-n 虚拟环境名。

如果下载较慢，建议使用代理等方式。
如果您的PyTorch cuda版本与本机版本对应，可以考虑使用清华源镜像等方式。使用镜像的方式，我后期可能也会撰写相应的博文。如果不对应，说明您需要从pytorch官方源（-c指定）下载cudatoolkit包，镜像里可能没有（我用过清华源，就没有）。

安装完成后，检验安装效果：
执行以下Python代码：

import torch
x = torch.rand(5, 3)
print(x)

检验cuda是否能使用（如果安装了cudatoolkit还不能用，一般来说是因为cuda版本安高了，卸载重新安装较低的版本就行。或者直接更新本机的cuda版本，也不是不行）：

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

如果打印True说明能用。
如果cuda不能用但还是在Python代码中强行使用GPU，会报这个错：AssertionError: Torch not compiled with CUDA enabled

返回PyTorch版本：torch.__version__

其他正文及脚注未提及的参考资料：

1. Windows系统查看CUDA版本号 - 简书

---

1. 长期支持 LTS（Long-term Support）是怎样的一种支持方式 - walterlv ↩︎