一、安装Anaconda
首先,我们需要安装Anaconda,以便于管理Python环境和依赖包。Anaconda可以从官网(https://www.anaconda.com/products/individual)上免费下载。
https://www.anaconda.com/products/individual
下载后,我们双击安装程序进行安装。Anaconda的安装程序比较大,需要一些耐心等待。安装时注意勾选“Add Anaconda to my PATH environment variable”选项。
二、创建Python环境
安装完成后,我们需要创建一个新的Python环境,以便于安装和管理PyTorch。
conda create --name pytorch_env python=3.8
这里我们以Python3.8版本为例创建一个名为“pytorch_env”的Python环境。
需要注意的是,PyTorch的安装需要64位版本的Python和对应的包管理器。确保你的Windows系统和Python环境都是64位的。
三、安装PyTorch
1. 安装CPU版本的PyTorch
如果你的电脑没有GPU或者不需要使用GPU,可以安装CPU版本的PyTorch。安装CPU版本的PyTorch比较简单,只需要一条命令即可。
conda activate pytorch_env
conda install pytorch torchvision torchaudio cpuonly -c pytorch
运行上述命令,等待安装完成即可。
2. 安装GPU版本的PyTorch
如果你的电脑装备了NVIDIA显卡并且想要使用GPU,可以安装GPU版本的PyTorch。GPU版本的PyTorch需要依赖CUDA和cuDNN。
安装CUDA
首先,我们需要安装CUDA。安装CUDA需要下载对应版本的CUDA Toolkit,并进行安装配置。具体安装方式可以参考NVIDIA官方文档(https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/)。
安装cuDNN
CUDA安装完成后,我们还需要安装cuDNN。cuDNN可以从NVIDIA官网(https://developer.nvidia.com/cudnn)免费下载。
下载后,我们需要将cuDNN的文件复制到CUDA的安装目录下。假设CUDA安装在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1”下,则解压后将cuDNN的文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1”目录下的“bin”、“include”和“lib”文件夹中即可。
安装PyTorch
当CUDA和cuDNN安装完成后,我们就可以安装GPU版本的PyTorch了。
conda activate pytorch_env
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge
运行上述命令,等待安装完成即可。
四、测试PyTorch是否安装成功
我们可以在Python解释器中输入以下代码,测试PyTorch是否安装成功。
import torch
print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
print('Number of GPUs available: ' + str(torch.cuda.device_count()))
如果打印出来的版本号和CUDA信息没有问题,则说明PyTorch安装成功。