目录
一、前言
二、pytorch简介
三、安装准备工作
3.1、下载Anaconda
四、判断是否有NVIDIA显卡
五、安装pytorch-CPU版本
六、安装pytorch-GPU版本
6.1、查看CUDA显卡驱动版本
6.2、安装CUDA
6.3、安装CuDNN（加速器）
6.4、安装pytorch-GPU
七、pytorch-GPU安装验证
八、总结
一、前言
在深度学习和人工智能领域，PyTorch已成为最受欢迎的开源框架之一。随着技术的不断进步，PyTorch也在持续更新和优化。本文将为您带来2024年最新版本的PyTorch安装教程，并详细解析如何安装支持CPU和GPU的版本。通过本文，您将轻松掌握PyTorch的安装过程，为您在深度学习的探索之旅中提供强大的工具支持。
二、pytorch简介
PyTorch是一个开源的深度学习框架，由Facebook人工智能研究院（FAIR）开发。它提供了一套动态张量计算库，具有易于使用、高效性能和强大的扩展性等特点。PyTorch支持在GPU上运行，能够大大加速深度学习模型的训练和推理过程。
三、安装准备工作
在开始安装PyTorch之前，我们需要进行一些准备工作。首先，确保您的计算机上已安装了合适版本的Python。PyTorch需要Python 3.6或更高版本。同时，您还需要安装pip包管理器，用于安装PyTorch和其他依赖项。所以我们可以通过安装Anaconda来创建一个适合深度学习的Python环境。以下是详细的安装步骤。
3.1、下载Anaconda
首先，访问Anaconda官网（Free Download | Anaconda），选择适合你操作系统的版本，并下载安装包，详细的安装步骤可参考我之前写过的博客：http://t.csdnimg.cn/1WEsj
四、判断是否有NVIDIA显卡
在安装PyTorch之前，我们需要判断您的计算机是否安装了NVIDIA显卡，因为PyTorch的GPU版本需要NVIDIA显卡来加速计算。您可以通过以下步骤来判断：
① 打开设备管理器：在Windows上，按下Win键和X键，然后选择“设备管理器”。在macOS上，打开“系统偏好设置”，选择“硬件”选项卡，然后点击“设备管理器”。
② 查看显示适配器：在设备管理器中，展开“显示适配器”或“图形处理器”部分，查看是否有NVIDIA显卡的列表。如果有NVIDIA显卡，那么您的计算机适合安装PyTorch的GPU版本。
如果没有NVIDIA显卡，您可以只安装PyTorch的CPU版本。如果您有NVIDIA显卡，您还需要进行其他步骤来安装PyTorch的GPU版本。
（Windows系统——无NVIDIA显卡示例）
（Windows系统——有NVIDIA显卡示例）
五、安装pytorch-CPU版本
在安装PyTorch之前，为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。以下是创建虚拟环境的步骤。
① 打开终端：在Windows上，打开Anaconda Prompt；在macOS和Linux上，打开终端；
② 创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“myenv”。
conda create -n <env_name> python=<version>例如，要创建一个名为
myenv的虚拟环境，其中Python版本为3.8，可以运行：conda create -n myenv python=3.8
③ 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用
activate命令；在macOS和Linux上，使用source命令。conda activate <env_name>例如，要激活名为
myenv的虚拟环境，可以运行：conda activate myenv激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为
(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。
④ 安装PyTorch（CPU）：在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装CPU版本。例如：（网络不佳和必要的时候可以添加国内源）
pip install torch torchvision torchaudio
这样就是安装成功啦~🥰（CPU版本）
六、安装pytorch-GPU版本
6.1、查看CUDA显卡驱动版本
在cmd命令行终端输入nvidia-smi，可以查看到版本为12.3。
6.2、安装CUDA
① 为什么安装pytorch-GPU前一定要安装CUDA和CuDNN呢？
在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN的原因如下：
- CUDA是NVIDIA推出的并行计算平台和API模型，它使得显卡可以用于图像渲染和计算以外的目的，例如通用并行计算。PyTorch通过CUDA可以充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。
- cuDNN是CUDA的扩展库，专门针对深度神经网络中的基础操作提供高度优化的实现方式，例如卷积、池化、规范化以及激活层的前向和后向过程。使用cuDNN可以大大提高深度学习模型在GPU上的运行效率。
因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。如果不安装CUDA和cuDNN，PyTorch-GPU将无法正常工作。
从官网下载对应的CUDA版本，由于我的显卡版本为12.3，我只需要安装小于或者等于12.2都是可以的，因此这里我安装12.0。
官网地址：CUDA Toolkit Archive | NVIDIA Developer
下载好后，双击安装包进行安装，可以安装在自定义的目录文件夹下
选择“精简”模式，接下来一直点“下一步”就行啦~😉
（开始安装）
查看是否安装成功，在命令行输入以下指令进行检查，出现以下类似的输出就证明安装成功。
nvcc -V
6.3、安装CuDNN（加速器）
通过官网进行安装CuDNN，网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
注意：需要注册登录才能进行安装喔😁
安装并解压完后，将这几个文件夹复制到CUDA安装路径下，就已经安装完成啦😎
6.4、安装pytorch-GPU
在安装PyTorch之前，为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。以下是创建虚拟环境的步骤。
① 打开终端：在Windows上，打开Anaconda Prompt；在macOS和Linux上，打开终端；
② 创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“myenv”。
conda create -n <env_name> python=<version>例如，要创建一个名为
myenv的虚拟环境，其中Python版本为3.8，可以运行：conda create -n myenv python=3.8
③ 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用
activate命令；在macOS和Linux上，使用source命令。conda activate <env_name>例如，要激活名为
myenv的虚拟环境，可以运行：conda activate myenv激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为
(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。
④ 安装PyTorch（GPU）：在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装GPU版本。例如：（网络不佳和必要的时候可以添加国内源）
官网链接：PyTorch
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
这样就是安装成功啦~🥰（GPU版本）
七、pytorch-GPU安装验证
注意：torch.cuda.is_available() 为True则GPU可用，False表示不可用
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available()) #输出为True，则安装成功
这样就是验证安装成功啦~🥰（GPU版本）
八、总结
🎉 恭喜您！您已经成功完成了PyTorch的安装教程。通过阅读本文，您了解了安装PyTorch的详细步骤，包括准备工作、判断显卡、创建虚拟环境、安装pytorch以及验证安装是否成功。 🚀
📚 这些步骤将帮助您建立起一个适合深度学习的Python环境，让您能够顺利地使用PyTorch进行各种机器学习和深度学习任务。 💻
🌟 现在，您可以开始探索PyTorch的世界，利用它强大的计算能力和灵活性来开发出更加智能的应用程序。 🚀
