Python+PyCharm+PyTorch+Cuda/GPU 安装步骤

gadflycq 2023-2-14

一、 无nvidia显卡，直接用CPU跑程序时

1.1 python官网python.org下载最新版本python，安装python
1.2 pycharm官网https://www.jetbrains.com/pycharm下载community版，安装pycharm
1.3 直接在cmd命令行中输入指令：“pip3 install torch torchvision torchaudio”完成安装pytorch

二、有Nvidia显卡，想用GPU跑程序时

2.1 先查版本！

（1） 确定显卡支持的cuda版本。
在cmd命令行中输入命令：“nvidia-smi”回车。（如提示命令不可用，可先执行命令：cd C:\Program Files\NVIDIA Corporation\NVSMI）

找到驱动号，例如：385.54

（2） 根据驱动版本号，查找对应的cuda版本号

（3） 根据cuda版本号，确定pytorch版本号

（4） 根据pytorch版本号，确定python版本号。（新版本可直接在官网看到下载选项，下表主要是旧版本对应关系）

Pytorch	Python
pytorch-1.5	Python 3.7
pytorch-1.4	Python 3.6
pytorch-1.3	Python 3.6
pytorch-1.2	Python 3.6
pytorch-1.1	Python 3.6
pytorch-1.0	Python 3.6
pytorch-0.4	Python 3.6
pytorch-0.3	Python 3.6
pytorch-0.2	Python 3.5
pytorch-0.1	Python 3

2.2 下载安装

（1） 根据上面查到的版本号，先在python官网python.org下载对应版本python，安装python
（2） pycharm官网https://www.jetbrains.com/pycharm下载community版，安装pycharm
（3） 在Nvidia官网下载对应cuda版本驱动并安装（不确定这一步是不是必须的，没验证过）
最新版：https://developer.nvidia.com/cuda-downloads
旧版本：https://developer.nvidia.com/cuda-toolkit-archive

（4） 在cmd命令行中使用“pip3 install torchvision”，将自动从官网下载安装dataclasses、numpy、pillow、torch、torchvision、typing-extensions一系列工具包。(此时自动下载安装的是CPU版本的torch)
（5） 参照下面的地址，下载对应版本cuda和pytorch的whl文件到本地，然后直接在cmd命令行中，用“pip3 install 本地路径文件名”的方式安装。（此步骤安装完后，将会用本地包含cuda的torch包替换掉上面第4步自动安装的torch）

1、pytorch1.1.0 （1）CPU版本
https://download.pytorch.org/whl/cpu/torch-1.1.0-cp36-cp36m-win_amd64.whl
（2）GPU版本
https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl
（CUDA 10.0）
https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl
（CUDA 9.0）

2、版本pytorch1.0.1 （1）CPU版本
https://download.pytorch.org/whl/cpu/torch-1.0.1-cp36-cp36m-win_amd64.whl
（2）GPU版本
https://download.pytorch.org/whl/cu80/torch-1.0.1-cp36-cp36m-win_amd64.whl
（CUDA 8.0）
https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win_amd64.whl
（CUDA 9.0）
https://download.pytorch.org/whl/cu100/torch-1.0.1-cp36-cp36m-win_amd64.whl
（CUDA 10.0）

3、版本pytorch1.0.0 （1）CPU版本
https://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl
（2）GPU版本
https://download.pytorch.org/whl/cu80/torch-1.0.0-cp36-cp36m-win_amd64.whl
（CUDA 8.0）
https://download.pytorch.org/whl/cu90/torch-1.0.0-cp36-cp36m-win_amd64.whl
（CUDA 9.0）
https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl
（CUDA 10.0）

4、版本pytorch0.4.1 （1）CPU版本
https://download.pytorch.org/whl/cpu/torch-0.4.1-cp36-cp36m-win_amd64.whl
（2）GPU版本
https://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-win_amd64.whl
（CUDA 8.0）
https://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-win_amd64.whl
（CUDA 9.0）
https://download.pytorch.org/whl/cu92/torch-0.4.1-cp36-cp36m-win_amd64.whl
（CUDA 9.2）

其他各版本的pytorch以及torchvision，的CPU版本，GPU版本都可以在下面的网址下载：
https://download.pytorch.org/whl/torch_stable.html

以及pytorch官网给出的旧版本在线命令方式安装：
https://pytorch.org/get-started/previous-versions/

2.3 验证是否安装成功

在pycharm或python IDE里面运行以下代码：

import torch
if torch.cuda.is_available():   #返回True则说明已经安装了cuda
    print('GPU: ' + torch.cuda.get_device_name(0)) 
else:
    print('No cuda')

from torch.backends import  cudnn   #判断是否安装了cuDNN
print('cuDNN:' + str(cudnn.is_available()))