Windows下安装GPU版Pytorch完整指南

Windows下安装GPU版Pytorch完整指南

引用

CSDN

1.

https://blog.csdn.net/u010705932/article/details/137565182

本文将详细介绍在Windows系统下安装GPU版Pytorch的完整流程，包括驱动升级、CUDA版本选择与安装、以及最终的Pytorch安装。适合对深度学习环境搭建感兴趣的读者参考。

升级Driver到最新版本

1. 在Windows搜索栏中输入“设备管理器”。
2. 找到“显示适配器”一项，点击展开，你将看到你的NVIDIA显卡列在其中。
3. 右键点击你的NVIDIA显卡，选择“更新驱动软件…”。在弹出的对话框中，选择“自动搜索更新的驱动软件”。之后，系统将自动搜索、下载并安装最新的驱动版本。完成后，可能需要重启计算机。

查看适配Driver的Cuda版本

1. 在桌面右键点击鼠标，选择“NVIDIA控制面板”，或在任务栏中右击“NVIDIA设置”打开“NVIDIA控制面板”。
2. 在“NVIDIA控制面板”中选择“系统信息”，在显示中项目可以看到电脑的显卡信息，如 GeForce RTX 2070。
3. 在“组件”中查看“NVCUDA64.DLL”的产品名称，可以看到CUDA driver的版本。例如，如果显示CUDA 11.6.127 driver，则说明电脑适配的是Cuda 11.6及以下的版本。

卸载已安装的Cuda

1. 打开“设置” -> “应用” -> “应用和功能”。
2. 在搜索中查找包含CUDA的软件，注意仅卸载含CUDA的软件。如果没有CUDA相关软件，则无需进行卸载步骤。

选择对应CUDA

1. 首先查看自身显卡的算力。可以在相关网站中搜索显卡型号，例如，GeForce RTX 2070的算力是7.5。
   
2. 根据显卡算力确定支持的CUDA版本。例如，算力7.5支持的CUDA版本有10.0-10.2，11.0，11.1-11.4，11.5–11.7.1，11.8，12.0-12.4。如果显卡驱动最高支持的CUDA为11.6，则可选的CUDA版本为10.0-10.2，11.0，11.1-11.4，11.5-11.6。

下载对应Cuda

进入CUDA工具包下载页面，选择适合自己版本的CUDA。例如，可以选择11.6.0的版本。

选择系统类型为“Windows”，选择软件包类别，点击“download”。如果官方网页迟迟打不开，可以尝试用手机下载。

安装Cuda

CUDA默认会安装到C盘/Program Files/NVIDIA Corporation中。如果C盘容量不足，可以将CUDA安装在其他盘符，例如D盘。新建以下目录文件：

目录结构如下图所示，六个文件夹均为手动新建，安装时将路径选在这些位置。

双击打开之前下载的CUDA 11.6.0的安装包，弹出的界面表示将生成一个临时文件，路径可以修改在其他位置，点击“OK”。等待进度达到100%，弹出界面后点击“同意并继续”。

选择“自定义安装”，然后选择“下一步”。勾选需要安装的组件，或者默认所有组件安装。

点击“下一步”，选择安装位置。下面是默认的安装位置，如果要安装在D盘，点击“浏览”，选择之前新建的文件位置，注意文件名称与官方中的保持一致，修改后如下图所示，然后点击“下一步”。打钩，点击“Next”，完成后如下图所示，点击关闭即可。

还记得之前生成的临时文件吗，这个时候已经自动删除。

下载Cudnn

cuDNN已经被集成在Pytorch中，无需单独安装。cuDNN（CUDA Deep Neural Network library）是 NVIDIA 专门为深度学习任务而设计的加速库。cuDNN 提供了一系列高度优化的深度学习基础操作的实现，例如卷积、池化、归一化等，以便在 GPU 上高效执行神经网络的前向和反向传播。cuDNN 通过优化深度学习的基本运算，提高了深度学习框架在 GPU 上的性能。

验证Cuda是否安装成功

使用如下命令，出现版本信息即代表安装成功：

nvcc -V

安装Pytorch GPU版

进入Pytorch官网，点击“Get Started”后下滑进入“START LOCALLY”界面。如果在“START LOCALLY”界面对想要下载的 PyTorch 版本进行配置时发现没有合适的 CUDA 版本或者新项目的代码只支持低版本的 PyTorch，这时就需要安装历史版本的 PyTorch。

比如，之前步骤确定的需要下载的 CUDA 版本为“11.6”，然而在“START LOCALLY”界面对想要下载的 PyTorch 版本进行配置时发现只有“11.8”和“12.1”的版本，这时就需要下载历史版本。

进入Pytorch官网，点击“Get Started”，然后在出现的界面中选择“Previous PyTorch Versions”。进入“Previous PyTorch Versions”界面后下滑，选择包管理器下的“Linux and Windows”系统，然后选择合适的 CUDA 版本，复制配置好的 PyTorch 版本后面的代码，例如：

# CUDA 11.6
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

以上代码是用pip安装Pytorch，如果电脑安装了Anaconda，也可以复制conda的代码。

进入Python虚拟环境，如python311env。带有CUDA字样的就是GPU版，由于我们已安装CUDA的版本是11.6，因此我们可以下载小于等于11.6的版本。

在anaconda中先激活需要安装pytorch的环境，我这里是之前创建过的名为d2l的环境。在这里我要安装1.11.0的Pytorch，选择CUDA11.3的版本。复制该条指令到anaconda中，回车执行。确认安装，输入y。等待下载完成。出现以下界面代表安装成功。使用conda list 查看已安装的包。发现pytorch torchvision torchaudio cudatoolkit均在其中，至此，安装成功。

参考资源

1. nvidia显卡驱动怎么升级？这些方法轻松搞定
2. 右键没有nvidia控制面板怎么办?
3. 配置深度学习环境：在Windows（Win10）中安装CUDA，CUDNN，Pytorch GPU版
4. （2022.4）Win10最新Anaconda安装Pytorch GPU环境(CUDA)教程（极其适合初学者）
5. 环境配置：选择正确版本的CUDA和PyTorch安装(windows)