2024超详尽PyTorch安装攻略（CPU及GPU全场景覆盖）

2024年PyTorch安装全指南（CPU与GPU全面覆盖）

一、前期准备

1. Python版本要求：PyTorch需要Python 3.6或更高版本的支持。
2. Anaconda工具：建议使用Anaconda来管理Python环境，可自行前往Anaconda官网进行安装。
   Anaconda官网地址：Free Download | Anaconda
   若需了解Anaconda的具体安装步骤，可参考此教程：[https://blog.csdn.net/weixin_43412762/article/details/129599741?fromshare=blogdetail&sharetype=blogdetail&sharerId=129599741&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link]

二、PyTorch概述

安装PyTorch时，可根据硬件条件选择在CPU或GPU上运行。
- CPU版本：适用于没有GPU或无需借助GPU进行深度学习的场景，安装过程相对简便，无需依赖GPU驱动与CUDA。
- GPU版本：若计算机配备NVIDIA GPU且希望加速深度学习计算，可安装GPU版本的PyTorch，但该版本依赖CUDA与cuDNN。

三、CPU版本PyTorch安装

1. 创建虚拟环境

安装好Anaconda后，可通过相关程序进行操作。输入以下指令可查看当前已有的虚拟环境：

conda env list

若要创建新的虚拟环境，可使用如下指令：

conda create –n 自定义环境名 python=指定版本

示例演示：

输入y确认后，等待环境创建完成。

2. 路径相关处理

若创建的虚拟环境未存放在预期目录下，可能由以下原因导致：
- 无写入权限：当前用户对默认环境存放目录无写入权限时，Conda会将环境创建在用户本地目录。
- 配置文件影响：Conda配置文件.condarc中设置了envs_dirs，会影响环境的默认存放位置。
- 主动选择：用户可能有意将环境安装在用户目录下，以实现环境隔离。
若要将环境创建在指定目录，可在创建时显式指定--prefix参数，例如：

conda create --prefix C:\ProgramData\anaconda3\envs\pytorch_env python=3.8

也可通过修改.condarc文件来指定默认全局路径：

envs_dirs:
  - C:\ProgramData\anaconda3\envs

修改后重新创建环境即可。

3. 删除虚拟环境

通过环境名称删除：

conda remove --name 环境名称 --all

通过环境路径删除：

conda remove --prefix 路径 --all

4. 配置镜像源

由于国外下载通道速度较慢，可配置国内镜像源来加速下载。输入以下指令查看当前通道地址：

conda config --show

若要添加镜像源，可使用：

conda config --add channels 镜像地址

常见镜像源及地址：
| 镜像名称 | 镜像地址 |
|------------|---------------------------------------------|
| 清华源镜像 | https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch |
| 阿里巴巴镜像 | http://mirrors.aliyun.com/anaconda/pkgs/main |
| 淘宝镜像源 | https://registry.npmmirror.com/ |
（注意：淘宝旧镜像源已停止服务，应使用最新地址）
若要删除镜像源，可执行：

conda config --remove channels 镜像地址

5. 安装PyTorch

1. 激活虚拟环境：

conda activate 创建的虚拟环境名

1. 前往PyTorch官网获取安装指令，根据配置选择相应命令。例如，使用镜像源安装的命令为：

conda install pytorch torchvision torchaudio cpuonly –c 镜像地址

输入y确认安装，若出现权限相关报错，可尝试以管理员身份运行命令提示符。
安装完成后界面示例：

6. 验证PyTorch安装

• 在虚拟环境中输入conda list查看是否存在PyTorch相关包。
• 进入虚拟环境的Python环境，导入torch并验证版本：

import torch
print(torch.__version__)

若能正常输出版本号，则表示安装成功。

四、GPU版本PyTorch安装

1. 查看GPU相关信息

可通过任务管理器查看GPU情况，若未安装显卡驱动，需前往NVIDIA官网下载安装最新驱动。在终端输入以下指令查看驱动版本：

nvidia-smi

示例输出：

图中CUDA驱动版本为12.1，安装CUDA运行时版本需确保驱动版本不低于运行时版本。

2. 安装PyTorch

进入已创建的虚拟环境，输入以下命令安装GPU版本PyTorch：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装成功示例：

3. 验证安装

在虚拟环境的Python环境中执行以下代码验证：

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

若输出True，则表示GPU版本PyTorch安装成功。

五、补充说明

1. 卸载PyTorch

进入对应虚拟环境，执行以下指令卸载PyTorch：

pip uninstall torch torchvision torchaudio

2. 安装失败处理

若安装过程出现问题，可尝试通过conda或pip安装，也可下载轮子文件(.whl)进行安装，轮子文件下载地址：[https://download.pytorch.org/whl/torch_stable.html]
根据自身需求下载相应版本的torch和torchvision，下载后在虚拟环境目录下执行安装命令：

pip install 轮子文件名（例如torch-2.2.2+cu118-cp38-cp38-win_amd64.whl）

若出现版本不兼容等问题，可尝试调整CUDA版本等方式解决。