PyTorch终极安装指南：CPU/GPU双版本+环境配置全攻略

PyTorch终极安装指南：CPU/GPU双版本+环境配置全攻略

引用

CSDN

1.

https://m.blog.csdn.net/YYDS_54/article/details/145896360

本文将为您详细介绍如何在Windows和Linux系统上安装PyTorch，包括CPU和GPU版本的安装方法。文章内容详尽，涵盖了硬件准备、环境搭建、版本选择、环境验证等多个环节，并提供了多种安装方案和镜像源选择，以确保您能够顺利完成安装。

一、硬件准备与版本选择

在进行安装前，我们需要先确定自己的电脑是否需要安装带有GPU版本的PyTorch。接下来，我们来用以下两种方法查看自己的电脑到底有没有GPU。

1.1 显卡型号确认

Windows系统：

• 右键开始菜单 → 设备管理器 → 显示适配器 / 或者直接点击win+X快捷键，显示界面如下

这里点击任务管理器，进入任务管理界面，点击第二个图标，进入性能界面，点击GPU 0，查看是否有NVIDIA的英伟达显卡的字样，可以看到这台电脑是没有GPU的。

下面是一台带有GPU的电脑的界面截图，可以看到这台带有NVIDIA的英伟达显卡的字样，所以这台是有GPU的电脑，可以安装GPU版本的PyTorch。

• 第二种查看方法是 Win+R → 输入 dxdiag → 显示选项卡，弹出的界面后，不带GPU的显示如下

带GPU的电脑界面显示如下：

Linux系统：

nvidia-smi
lspci | grep -i nvidia

通过以上步骤判断好了自己电脑是否有GPU，就可以通过后面的步骤安装适合自己电脑的版本。有GPU的用户也可以选择安装没有GPU版本的PyTorch。

1.2 CUDA版本匹配原则（GPU用户对照查看，后面要用到）

NVIDIA驱动版本 支持的最高CUDA版本 PyTorch推荐版本
450.80.02 CUDA 11.0 1.7.0+cu110
470.82.01 CUDA 11.4 1.10.0+cu113
515.65.01 CUDA 11.7 2.0.0+cu117
535.86.05 CUDA 12.2 2.1.0+cu121

通过
nvidia-smi
查看驱动版本，驱动版本必须≥PyTorch要求的CUDA版本

二、Anaconda环境搭建

2.1 安装与配置

1. 官网下载对应系统版本
   进入官网后点击 Skip registration
   进入下载界面，选择适合自己系统的版本
   等待下载完成之后，打开文件夹双击进行安装

2. 安装Anaconda
   打开之后一路Next，I Agree，Next

直到碰到选择安装路径，这里选择D盘，最简单的方法是将C改为D，系统会自动创建文件夹，或者也可以去新建一个文件夹。选择好路径之后，点击Next

接下来注意，如果你之前安装的应用系统自动配置的环境变量有问题，则这一步只需要勾选1，3，4，不要勾选2，有些系统配置的环境变量用不了，等下我们自己配置，在勾选3的时候会弹出一个警告，确定即可，勾选好之后点击 Install 即可。

等待安装，可能有点慢得等几分钟

安装完成之后点击Next，在点击Next

接下来又一个重点来了，去掉这两个勾选，不要勾选，然后点击Finish

接下来我们来配置环境变量，打开环境变量，点击环境变量

在第二个系统环境里面找到Path，双击打开

点击新建

找到你 Anaconda 的安装路径，复制你的路径，新建进入系统环境变量

第二步找到 Scripts 这个文件夹，打开之后复制路径，新建进系统环境变量中

第三步找到 Library，双击打开找到 bin 这个文件夹，双击打开，复制它的路径，新建进环境系统变量

这是建好的三条环境变量（建好之后一路确定退出）

D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\bin

到这里安装就结束了。

1. 验证安装：
   安装成功后你的开始界面会多出一个 Anaconda prompt，我们单击打开它

在出现的界面出入下面这条指令，如果出现版本号，即表示安装成功

conda --version  # 显示版本即成功

2.2 镜像源配置（加速下载）

# 清华源配置
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

这几条命令是用于配置 Anaconda 包管理器的镜像源，将镜像源设置为清华大学的镜像站，以加速在使用 conda 安装和更新软件包时的下载速度。最后一条命令设置在安装包时显示所使用的镜像源 URL，当然也可以忽略这几条指令，不用管这一步骤，但是后面使用 conda 下载安装库的时候可能会比较慢，上面的指令直接在终端一一敲入即可，没有太多需要注意的地方，这里不做过多的解释。

下面是一些常用的镜像源：

镜像源 配置命令
阿里云 conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main
中科大 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main

三、虚拟环境管理

3.1 创建专属环境

这一步用来创建自己的专属 conda 环境，后面安装 PyTorch 也是在这个环境下安装，指令后面的版本号根据自己安装的 python 版本选择，中间的 torch_gpu 的名称也可以自己更改，创建环境请在 Anaconda prompt 下面运行。

conda create -n pytorch python=3.12  # 创建Python3.9环境
conda activate pytorch             # 激活环境

想要查看自己的 python 版本号可以使用下面命令查看

python --version

第一条指令会询问是否安装需要的包，直接 y 即可

安装完成后，输入第二条指令切换环境，如果可以切换到你创建的环境则表示已经创建成功

3.2 多环境管理技巧

命令 功能描述
conda env list 查看所有环境
conda remove -n env_name --all 删除指定环境
conda install package=version 安装指定版本包

从下面开始就要安装 PyTorch 了，有 GPU 的请选择 GPU 版本的，安装 GPU 版本之前最好先从官网更新驱动。

英伟达驱动更新官网：https://www.nvidia.cn/geforce/drivers/

四、PyTorch安装全方案

4.1 CPU版本安装

接下来我们先来开始 CPU 版本的安装，进入PyTorch官网，选择相应的操作系统和 Python 版本，以及安装方式（ pip 或者 conda），现在官网将 Python 版本统一合并为 Python 所以你们看到的界面应该是没有 Python 版本号的，直接选择 Python 即可，conda 安装如下：

在之前创建的环境下输出最后一行指令，等待安装完成即可

conda install pytorch torchvision torchaudio cpuonly -c pytorch

如果使用 pip 安装，大家这样选择即可，同样复制最后一条指令

在之前创建的环境下输入最后行指令，等待安装完成即可，由于官网提供的指令太慢，这里提供一条镜像版本的指令（注意镜像加速有时会报错，原因是镜像源未及时更新最新版本，你所下载的最新版镜像源没有，这时换回官网指令即可），指令如下：

# 无镜像源
pip3 install torch torchvision torchaudio
# 指定镜像源加速
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

现在等待安装完成即可。

4.2 GPU版本安装

安装 GPU 版本先要确定电脑所支持的 cuda 版本，在命令行输入下面这行代码，就会显示电脑支持哪个版本的 cuda，注意这里只要选择比这个版本小的 cuda 电脑都可以支持，但不能选择比这个版本号大的 cuda 版本：

nvidia-smi

方案一：conda安装（推荐新手）

这里和 CPU 版本一样，进入PyTorch官网，选择相应的操作系统和 Python 版本，以及安装方式（ pip 或者 conda），和电脑支持的 CUDA 版本就会显示安装指令，conda 安装如下：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

方案二：pip精确安装

在之前创建的环境下输入最后行指令，等待安装完成即可，由于官网提供的指令太慢，这里提供一条镜像版本的指令（注意镜像加速有时会报错，原因是镜像源未及时更新最新版本，你所下载的最新版镜像源没有，这时换回官网指令即可），指令如下：

# 无镜像源
pip3 install torch torchvision torchaudio
# 指定镜像源加速
pip install torch==2.1.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0 \
--extra-index-url https://download.pytorch.org/whl/cu121

和 CPU 版本一样，复制最后一条指令，在之前创建的环境里面输入，等待安装完成即可。

这里整理了几个 PyTorch 和 CUDA 对应关系表，大家可以对照自己的版本更改上面的指令

版本对应关系表：

PyTorch版本 CUDA版本 安装命令后缀
2.1.0 12.1 +cu121
2.0.1 11.8 +cu118
1.13.1 11.7 +cu117

五、环境验证与测试

5.1 基础验证

这里切换到 Python 导入 import torch 如果没有出现报错，则 PyTorch 安装成功，可以使用 PyTorch 了。

import torch
print(torch.__version__)          # 查看PyTorch版本
print(torch.cuda.is_available())  # 查看GPU是否可用
print(torch.cuda.get_device_name(0))  # 显示显卡型号

5.2 性能测试

下面提供一些测试代码，供大家测试刚安装的 PyTorch 和 GPU 性能。

# 张量计算测试
x = torch.randn(10000, 10000).cuda()
y = torch.randn(10000, 10000).cuda()
z = x @ y
print(z.mean())  # 应输出tensor值无报错

六、开发环境配置

6.1 PyCharm关联conda环境

1. 新建项目 → Python解释器 → 添加本地解释器
2. 选择Conda环境 → 指定
   envs/环境名称/python.exe
   如果不会手动配置，或配置出错，请参考：PyCharm 配置 Conda 环境

6.2 Jupyter Notebook配置

conda install ipykernel
python -m ipykernel install --user --name torch_gpu --display-name "PyTorch GPU"

七、常见问题解决方案

7.1 避坑指南

问题现象 解决方案
CUDA out of memory 减小batch_size，清理显存
No CUDA-capable device is detected 检查驱动版本，重装CUDA工具包
ImportError: DLL load failed 安装VC++可再发行组件

7.2 版本回退方法

# 查看可用版本
pip index versions torch
# 指定版本安装
pip install torch==1.12.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

八、生产力工具推荐

工具名称 用途描述 安装命令
TensorBoard 训练可视化 pip install tensorboard
Jupyter Lab 交互式开发环境 conda install jupyterlab
NVIDIA-SMI监控 GPU状态监测 pip install gpustat

附：PyTorch版本生命周期表

版本 发布日期 维护状态 CUDA支持
2.1 2023-10 长期支持 11.8, 12.1
2.0 2023-03 维护中 11.7, 11.8
1.13 2022-10 停止维护 11.6, 11.7

按照本指南操作，您将在15分钟内完成专业级的PyTorch开发环境搭建。如遇任何问题，欢迎在评论区留言讨论！