虚拟环境下torch1.11.0+cuda11.3版本的pytorch(GPU)环境安装教程

开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第13天，点击查看活动详情

1.选择对应版本pytorch和cuda

首先查看驱动，可以先去nvidia官网进行驱动更新，然后打开命令行win+r，输入cmd，在命令行输入以下指令查看信息

nvidia-smi

可以在上图的cuda version看到支持的最高cuda版本，此外30系显卡最低支持11.0起步的版本，所以30系显卡可以选择11.x的任意版本的cuda 以下链接可以查看cuda、cudnn、torch、torchvision对应版本，官网也可以查看。

2.pytorch的官方安装教程

直接使用pytorch官网提供的命令进行安装

选中对应配置会自动生成对应的命令

3.网络条件一般情况下的pytorch的分布安装

(1)分布安装pytorch+cuda环境

我的配置是显卡3060和win11的环境，因此选择11.3版本的cuda，且30系显卡的cuda必须在11.x之上，否则运行实验时会报错，第一次安装失败就是因为这个原因麻了

1.创建环境

conda create -n pytorch-GPU python=3.8

2.安装完进入环境

conda activate pytorch-GPU

3.安装cudatoolkit

conda install cudatoolkit=11.1  -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

4.安装其他套件

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 -c pytorch

参考博客

(2)卸载pytorch，cuda

卸载pytorch：

conda uninstall pytorch
conda uninstall libtorch

卸载cuda：

conda uninstall cudatoolkit --force

conda uninstall cudnn --force

4.本地安装pytorch

如果以上方法都无法安装上pytorch的，大概率是网络问题，可以选择本地安装，参考此教程。由于实验室网络波动问题导致总是出现下载和安装超时的情况，因此我最终也是采用本地安装的方法实现的环境搭建。

5.测试gpu版本的cuda和pytorch是否装好

激活虚拟环境后输入python进入编译器后输入以下指令测试是否安装成功

import torch

print(torch.__version__)                                #查看torch版本
print(torch.cuda_version)                               #查看cuda版本
`print(torch.backends.cudnn.version())                  #查看cudnn版本`

print(torch.cuda.is_available())                        #cuda是否可用
print(torch.backends.cudnn.is_available())              #cudnn当前是否可用

print(torch.cuda.device_count())                        #返回GPU数量
torch.cuda.get_device_name(0)                           #返回gpu名字，设备索引默认从0开始