【安装】有gpu怎么安装pytorch

好了，如果大佬买了显卡，那要怎么安装pytorch呢？

下面我们就带大家一步一步安装使用显卡的pytorch吧~！成功安装的唯一秘诀就是，耐心。

一、pytorch(GPU)安装-预备知识

事实上，安装使用GPU的pytorch相对比较麻烦，还真得有点耐心。因为除了要装pytorch外，还要安装CUDA，cudnn这两个东西。有些小伙计就蒙了，CUDA，cudnn是个什么东西？

1.1. CUDA与cudnn是什么

不了解CUDA，cudnn这两个东西，安装pytorch时还真有点蒙。

下面我们先来讲个小故事，帮助我们了解CUDA，cudnn是什么：

pytorch想去玩显卡。
显卡说：“啥，直接玩我？我讲的底层语言你可能都听不懂，你去对接CUDA吧，它是我的计算框架”
于是，屁颠屁颠安装了一个CUDA，这样pytorch就可以去通过CUDA来间接使用显卡了。
pytorch：好烦呀~我的深度学习慢过牛车~！
CUDA：哎呀！的确不够快呀，算了，我为你的深度学习特别打造一个运算库吧！就叫cudnn好了！
CUDA搞了cudnn后，pytorch就可以借用cudnn的一些深度学习专用函数跑得更快了。

所以，需要安装CUDA，它是显卡的计算框架，此外，还要装cudnn，因为它是深度学习的专用运算库。

需要注意的是：

1. 很明显的，买显卡只能买英伟达的，因为pytorch调用的CUDA、cudnn都是英伟达家的东西。

2. pytorch、CUDA、cudnn 三者并不能随便安装，需要让版本匹配。

二、pytorch(GPU)-安装过程

下面我们就跟着来一步一步的安装pytorch和CUDA，cudnn这三人东西。

2.1. 安装pytorch-带GPU

• Step-1. 确定pytorch的版本

由于pytorch的CUDA版本，不能超过显卡支持的CUDA版本，所以我们需要先看看显卡支持的CUDA版本，再去选择合适的pytorch版本来安装。怎么查看显卡支持什么CUDA版本呢，操作方法如下：

1. 右键点击电脑右下角NVIDIA 显卡图标，打开NVIDIA 控制面板。

2. 点击系统信息，弹出系统信息面板，可以看到显卡型号与驱动程序版本 。

3. 点击组件，可以看到所支持的CUDA最高版本(下载的CUDA只要不高于这个版本就可以)

好了，知道了显卡支持的CUDA最高版本，那么我们装pytorch时，选择版本时，注意pytorch的CUDA最高版本不要超过"显卡支持的CUDA最高版本"就可以了。

• Step-2. 安装Pytorch

有显卡时安装pytorch跟没有显卡时是一样的，只是需要注意选择的CUDA版本不要超过自己显卡所支持的CUDA版本。安装pytorch参考文章《pytorch安装》。

2.2. 安装CUDA

安装了pytorch后，接下来安装CUDA就可以了。

• Step-1. CUDA-查看版本

安装CUDA前，需要先查看一下pytorch所对应的cuda版本，再下载相应的cuda来进行安装。

要看pytorch的CUDA版本，只需在python中使用torch.version.cuda来查看就行了

import torch
print('Pytorch版本:',torch.__version__)
print('CUDA版本:',torch.version.cuda)
print('cudnn版本:',torch.backends.cudnn.version())

运行结果如下：

这里我们把CUDN和cudnn一起看了，方便下面使用。

• Step-2. 下载CUDA

好了，去下载一个CUDA吧！就去NVIDIA 的官网下载就行了，CUDA的下载地址如下：

https://developer.nvidia.com/cuda-toolkit-archive  

登上网站，就会发现上面整整齐齐摆了许多版本呢~但我们只能选择刚才在pytorch中查到的版本来下载。

这里笔者选择了12.6.1(事实上根据pytorch的CUDA版本，应该选择11.7)

点击后进入下一界面，选择自己的操作系统，选好配置后点击下载就可以了。

这里笔者选择windows-x86_64-11-local

• Step-2. CUDA-安装

下载好CUDA后，进行安装就可以(最好以管理员身份运行)，过程全部选择默认一路下一步就行。

这样就安装好了，非常容易。

• Step-4. CUDA-检查

为了踏实点，安装完成后，我们最好确认一下CUDA是否安装成功，方法如下：

1. 测试ncvv(cuda的编译器)能否运行

打开cmd，在cmd中输入nvcc -V，如果能输出相关信息，则说明可以

2. 用bandwidthTest.exe验证CUDA是否安装成功

找到bandwidthTest.exe的路径(可以搜索，也可以参考笔者的路径来查找)，然后在cmd中先cd到bandwidthTest.exe的所在目录，然后运行bandwidthTest.exe，如果结果为Result = Pass，则说明成功。

2.3. 安装cudnn

好了，最后来安装一下cudnn就算大功告成了，它比较容易。

• Step-1. 下载cudnn

1. 到 https://developer.nvidia.com/rdp/cudnn-download下载cudnn，需要注册，注册后进行下即可。

注意，版本要与CUDA、pythorch对齐，这里笔者选择了8.9.2，实际应该选择8.5.0。

windows系统下载zip文件就可以。

• Step-2. 安装cudnn

下载后进行解压，得到bin、include、lib\x64三个文件夹，将它们拷到CUDA安装目录对应的文件夹就可以。

 笔者将cudnn的bin,include,lib\x64文件夹内容分别拷到了C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0下的bin、include、lib\x64目录中。

这样就安装好cudnn了~！

结束语

安装起来就是麻烦了一点需要注意版本问题，一步一步来、细心点就好了。

不过pytorch一直在更新，这些安装教程很容易过时，如果这个教程的安装方法过时了，大家也可以直接在网上找更新的安装方法，同时别忘了在评论中提示一下我哦~