参考全网最详细的安装pytorch GPU方法，一次安装成功！！包括安装失败后的处理方法！-CSDN博客

整体来看，一共下面三个安装步骤：

显卡驱动（nvidia-smi）-》显卡深度学习驱动（cuda）-》代码驱动（torch-gpu）

1.驱动

一般买来的电脑都已经安装好了显卡驱动，或者去英伟达官网（Linux x64 (AMD64/EM64T) Display Driver | 550.90.07 | Linux 64-bit | NVIDIA）下载合适版本的驱动。我之前写了linux的安装教程（ubuntu安装显卡驱动-CSDN博客）。

首先在cmd命令窗口中输入nvidia-smi，查看驱动匹配的cuda版本，我的版本（RTX4060）为12.2。

2.安装cuda

cuda有点像是显卡驱动的补丁，有了cuda，才能使用torch-gpu等代码包。cuda版本应该小于等于驱动推荐版本（这里是12.2），并且最好不要差距太远，下面我下载安装12.1。

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

安装精简版

下面代码检查安装是否成功

nvcc  -V

3.安装torch-CUDA

官网链接 链接: PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

这是官方的安装代码，但是一般情况下，无法安装成功。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

这是清华的镜像方法，不巧的是，最新的包可能没有更新上去。

那么只能去清华镜像官网下载

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

选好版本合适的torch torchvision torchaudio ，注意版本号应该匹配安装的cuda版本。

安装的时候注意，不是使用pip安装，而是用conda。

conda install --offline pytorch-2.1.1-py3.9_cuda12.1_cudnn8_0.tar.bz2

conda install --offline torchaudio-2.1.1-py39_cu121.tar.bz2

conda install --offline torchvision-0.16.0-py39_cu121.tar.bz2

下面是检查是否安装成功的代码。

import torch


print(torch.__version__)