在深度学习的领域中，PyTorch 是一个非常流行且强大的框架，而 CUDA 是 NVIDIA 提供的用于加速计算的并行计算平台和编程模型。本文将详细讲解如何在你的系统中安装 PyTorch 及其依赖的 CUDA 11.7，包括必要的环境配置和示例代码。我们将通过清晰的步骤和图示来帮助你顺利完成安装过程。

亲测可行。

---

流程图示

CSDN @ 2136

一、环境准备

在开始之前，请确保你的计算机满足以下要求：

1. 操作系统

• Windows：建议使用 Windows 10 及以上版本。
• Linux：推荐使用 Ubuntu 20.04 或更高版本。
• macOS：虽然 PyTorch 支持 macOS，但对于 GPU 加速，NVIDIA 驱动仅适用于 Windows 和 Linux。

2. Python 版本

确保你的 Python 版本为 3.8 或更高版本。可以通过以下命令检查 Python 版本：

python --version

如果需要安装 Python，可以访问 Python 官网 下载最新版本。

3. pip 版本

确保 pip 是最新的，以避免安装过程中出现兼容性问题。可以通过以下命令更新 pip：

pip install --upgrade pip

4. 检查 NVIDIA 驱动

确认你的 NVIDIA 显卡驱动已安装并且支持 CUDA 11.7。可以通过以下命令检查：

nvidia-smi

如果显示类似于以下信息，则说明驱动安装正常：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 510.39.01    Driver Version: 510.39.01    CUDA Version: 11.7         |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap| GPU Memory GPU Util  | GPU-Util  Compute M. |
| GPU 0: GeForce RTX 3060  | Off  | 00000000:01:00.0 Off |                  N/A |
| 25%   30C    P8    15W / 170W |      0MiB / 12000MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

如未显示此信息，请访问 NVIDIA 驱动程序下载页面 安装合适的驱动。

二、CUDA 11.7 安装步骤

CUDA（Compute Unified Device Architecture）是 NVIDIA 的并行计算架构，为开发人员提供了更高效的 GPU 计算能力。以下是安装 CUDA 11.7 的详细步骤。

1. 下载 CUDA Toolkit

前往 NVIDIA CUDA Toolkit 下载页面，选择相应的操作系统和版本，下载 CUDA 11.7 的安装包。

2. 安装 CUDA

Windows

双击下载的 .exe 文件，打开安装向导。建议选择“自定义安装”，以便选择需要的组件。安装时，可选组件包括：

• CUDA Toolkit
• Samples
• Visual Studio Integration

按照提示完成安装。

Linux

对于 Ubuntu 系统，你可以使用以下命令进行安装：

sudo apt update
sudo apt install -y cuda-toolkit-11-7

请根据你的 Linux 发行版进行调整。也可以选择从 .deb 文件或 .run 文件安装，具体可以参考 NVIDIA 官方文档。

3. 设置环境变量

安装完成后，需要将 CUDA 添加到系统环境变量中。

Windows

在系统属性中找到环境变量，添加以下路径到 Path 中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp

Linux

编辑 ~/.bashrc 文件，添加以下行：

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

执行以下命令使改动生效：

source ~/.bashrc

4. 验证 CUDA 安装

在终端中运行以下命令以确认 CUDA 是否正确安装：

nvcc --version

如果一切正常，你将看到 CUDA 的版本信息。

三、PyTorch 安装步骤

安装完成 CUDA 后，我们可以继续安装 PyTorch。PyTorch 可以通过 pip 或 conda 进行安装。以下是详细步骤：

1. 访问 PyTorch 官网

前往 PyTorch 官网 ，选择适合你的系统配置。

2. 选择安装命令

根据你的系统、包管理器（pip 或 conda）、Python 版本以及是否需要 CUDA 11.7，生成安装命令。例如：

对于 pip 用户，你可以使用以下命令：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

对于 conda 用户，命令为：

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

3. 执行安装命令

在终端中运行生成的命令即可开始安装。根据你的网络速度，安装过程可能需要几分钟。

四、验证安装

安装完成后，可以通过以下 Python 代码验证 PyTorch 是否正确安装并能够使用 CUDA：

import torch

# 检查 PyTorch 是否可以使用 GPU
print("CUDA Available:", torch.cuda.is_available())
print("CUDA Device Count:", torch.cuda.device_count())
print("Current CUDA Device:", torch.cuda.current_device())
print("Current Device Name:", torch.cuda.get_device_name(torch.cuda.current_device()))

如果输出结果为 True，则说明安装成功，并且 PyTorch 能够识别 GPU。

常见问题与解决方案

问题	解决方案
nvidia-smi 显示错误	确保 GPU 驱动安装正确，重启计算机
CUDA 版本不兼容	确保安装的 CUDA 与 PyTorch 所需的版本相匹配
PyTorch 无法识别 GPU	检查环境变量是否设置正确，并重启终端
安装过程中出现权限错误	在 Linux 上，确保使用 sudo 权限执行安装命令

总结

通过以上详细步骤，你应该能够顺利安装 PyTorch 和 CUDA 11.7。如有其他问题，欢迎留言讨论！希望这篇博客能为你在深度学习的旅程中提供帮助。