Pytorch的安装

注意：Pytorch的版本，cuda版本，cudnn版本，Python版本,nvidia驱动版本要相互对应，否则就会出现各种报错和问题，无法使用GPU加速计算！

1. 查看nvida驱动支持的cuda版本，在nvidia控制面板->系统信息->组件即可查看支持的cuda版本
   
   
   比如对我的GTX960M417.22驱动支持的cuda版本为10.0.132

2. 如果自己手动配置需要去nvidia官网下载对应版本的cudatoolkit和cudnn,很麻烦而且下载起来还比较慢，这里推荐使用conda安装,没用过conda的看我之前的文章==>传送门

3. 有了conda后，一切就好办了，先添加一下清华大学的Pytorch镜像地址：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

4. 使用conda安装Pytorch，其中需要手动指定cudatoolkit版本，然后cuda会自动处理环境和匹配版本,如果不指定cudatoolkit版本会根据当前含依赖关系的包安装最新版本
   conda install pytorch torchvision cudatoolkit=10.0

5. 安装完成即可，在cmd或者powershell查看安装情况
   
   Pytorch是自带cudnn，不需要单独再安装的！

   验证Pytorch是否使用了GPU

import torch
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 查看使用设备
print(device)
# 查看数据是否在GPU上
x = torch.Tensor([2.1]).to(device)
y = torch.Tensor([2.1]).cuda()
print(x, y)
# 查看cudnn是否工作
print(torch.backends.cudnn.enabled)

可以看到Pytorch在GPU上工作正常

Win10下Pytorch和配置和安装