PyTorch安装

这里，我使用的是Anaconda进行安装。

一、

访问pytorch官网：https://pytorch.org/get-started/locally

根据自己的开发环境选择相应的安装指令。

根据是否使用显卡，可将 pytorch 分为 CPU 版和 GPU 版。

CPU 版安装指令：

pip3 install torch torchvision torchaudio

GPU 版安装指令：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

 复制相应的安装指令。

PS1：上述步骤安装的是最新版的pytorch，若想根据自己的CUDA版本安装相应的pytorch，可点击官网中Previous PyTorch Version，查看之前各个版本的 pytorch，如图。

 选择相应安装指令。

PS2：复制以上指令安装pytorch时，会自动安装对应版本的CUDA。

二、

打开Anaconda Prompt，输入以下指令

conda create -n pytorch python=3.9

该指令意为创建环境 pytorch（环境名），并指定 python 版本，此例为 3.9。

再输入指令

conda activate pytorch

意为激活（进入）pytorch 环境。

激活环境后，命令行左边括号中显示环境名称，如图所示。

在pytorch环境下，输入之前复制的安装指令。

点击回车，耐心等待即可。 

安装完成后，可通过 conda list 命令，查看当前环境下安装的包中是否存在 torch, 若存在，则安装成功。

三、在PyCharm中使用pytorch

打开 PyCharm ，进入设置界面，在python编译器一栏选择 Anaconda 中新建的虚拟环境 pytorch 下的 python ，如图所示。

 我的Anaconda是安装在F盘的，子文件夹envs中是用户创建的各个虚拟环境，这里选择的是pytorch环境下的python。

点击OK即可。

四、测试

测试程序：

import torch

# 返回当前设备索引
print(torch.cuda.current_device())

# 返回GPU的数量
print(torch.cuda.device_count())

# 返回gpu名字，设备索引默认从0开始
print(torch.cuda.get_device_name(0))

# cuda是否可用
print(torch.cuda.is_available())

# cuda当前的版本
print(torch.version.cuda)

# 测试程序
a = torch.Tensor(5, 3)
a = a.cuda()
print(a)

测试结果：

 显示如图结果，则说明pytorch安装成功，且CUDA也能正常工作。