Windows10下的Pytorch安装教程

1. CUDA和cuDNN的下载和安装查看电脑CUDA版本查看Pytorch中可支持的CUDA版本1.1 下载1.2 安装1.2.1 安装CUDA1.2.2 安装cuDNN 2. Pytorch安装2.1 安装包的下载2.2 Pytorch的安装 首先需要说明的是，这个教程是在已经安装好Anacoda和PyCharm的前提下进行的，并且需要一个已经配置了基础库的虚拟环境。我是在cmd中通过conda的命令创建了名为pytorch_gpu01的虚拟环境，其中的Python版本是3.6 。在此基础上，依照下面的步骤进行安装Pytorch。

以下教程中如果有不妥当之处，欢迎各路大侠指出！

1. CUDA和cuDNN的下载和安装

下载CUDA和cuDNN之前，先检查一下电脑所支持的CUDA版本。如果电脑所支持的CUDA版本在Pytorch中没有对应的，这一步可以直接跳过，不安装CUDA和cuDNN。

注：安装了CUDA和cuDNN的是为了安装、配置GPU版本的Pytorch，否则可以直接安装CPU版本的Pytorch。

查看电脑CUDA版本

电脑桌面空白处，右键，点击NVIDIA控制面板，选项卡中选择“帮助”——“系统信息”——“组件”即可看到cuda的版本。 如下图所示，我使用的电脑所支持的版本是CUDA10.2

查看Pytorch中可支持的CUDA版本

打开Pytorch官网，可以看见，Pytorch中是有对应的CUDA版本的。因此，可以安装GPU版本的Pytorch。

如果电脑所支持的CUDA版本低于Pytorch中可支持的版本，安装了GPU版本的也使用不了。但如果电脑可支持的CUDA版本高于Pytorch可支持的版本，也可以安装GPU版本的Pytorch。具体情况如何，就不在本文的范围内了。

因此，接下来就是下载和安装CUDA和cuDNN。

1.1 下载

CUDA下载地址：nvidia官网 cuDNN下载地址：nvidia官网 其中，cuDNN下载时需要注册，登录，之后填写一个简单的问卷，即可进行下载对应的cuDNN。 如下图，选择对应版本的CUDA和cuDNN进行下载。

所下载的两个文件的名字分别是： cuda_10.2.89_441.22_win10.exe cudnn-10.2-windows10-x64-v8.0.4.30.zip

1.2 安装

1.2.1 安装CUDA

双击文件，在解压文件临时存放地点，选择默认路径，如下图所示。 此处也可以自定义路径，但是一定一定要注意： 临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！ 我个人推荐，最好直接使用默认路径，省事！！！（但如果C盘空间不够就没办法了） 因为不排除更改临时解压目录之后安装CUDA找不见安装目录的情况！！！ 然后一路next下去，等待安装即可。

接下来，我们检查一下是否安装成功。

首先，找到CUDA的安装目录，我的安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin。

在cmd中切换到该安装路径下，运行指令 nvcc -V。能够正常运行并显示CUDA的版本，就代表着CUDA安装成功。

否则，可以先查看一下CUDA的环境变量是否添加到了系统的环境变量里面，没有的话就手动添加。之后还是不行，那我也不知道咋整了，重装CUDA吧o(╥﹏╥)o

1.2.2 安装cuDNN

将cuDNN解压，解压之后会生成一个cuda文件，其下会有三个文件夹，分别是： bin include lib

将这三个文件夹对应的文件全部复制到CUDA安装目录下对应的文件夹(bin, include, lib)中即可。。。

如下图所示： lib文件夹中文件的复制。

最后，检查一下是否安装成功。

在cmd中切换到文件路径（CUDA安装路径下的demo_suite）： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite

先后执行bandwidthTest.exe与deviceQuery.exe

可以看到两个命令的执行结果都是PASS，也就是通过了测试，表明 cuDNN安装成功。

2. Pytorch安装

按照需求，在Pytorch官网中下载对应的torch和torchvision版本。 此处，我选择的是使用pip方式安装，如果很幸运你的网速很好，将最下方的指令复制到Pycharm中terminal处执行，等待安装即可。【可尝试使用国内的镜像源，或许可以加速安装】

如果碰壁，则可以尝试以下方式，将指令中的网址打开，如果打不开，用梯子试试。在该页面下下载对应版本的torch和torchvision到本地，进行本地的pip安装。

2.1 安装包的下载

首先！判断需要的版本文件： 举个例子 cuda版本:cu102/torch-1.5.0-cp35-cp35m-linux_x86_64.whl

· cu102： cuda的版本为10.2 · torch-1.5.0： torch的版本为1.5.0 · cp35： python的版本为3.5 · linux_x86_64： 操作系统

如果是cpu版本的同理：cpu/torch-1.4.0+cpu-cp37-cp37m-win_amd64.whl

torchvision的命名与torch同理。

以我的版本为例： cuda10.2 + Python=3.6 + windows10 64 下载的torch和torchvision文件如下： 下载后的文件名分别是： torch-1.5.0-cp36-cp36m-win_amd64.whl torchvision-0.6.0-cp36-cp36m-win_amd64.whl

2.2 Pytorch的安装

接下来在本地进行安装，首先打开PyCharm，新建projection，为projection指定interpret，由此进入需要安装pytorch的虚拟环境，我的虚拟环境为pytorch_gpu01。

在terminal处，将路径切入到torch和torchvision安装包所在路径 执行 pip install torch-1.5.0-cp36-cp36m-win_amd64.whl 执行 pip install torchvision-0.6.0-cp36-cp36m-win_amd64.whl 最后，显示安装成功即可。

如下图一，出现需要安装依赖库的情况，这时可能出现网速很慢导致安装失败的问题。如果出现这种情况，可以试试，先停止安装（ctrl + c 强制停止程序），添加上国内的镜像源，再安装。实际上，在安装第三方库的过程中经常出现网速慢导致安装失败，使用镜像源是最常用的方式。

最后一步！！！！！！！ 验证torch是否安装成功！！！ 新建py文件，确保该文件所在projection的解释器是我们安装了pytorch的虚拟环境。 输入以下代码：

import torch print("hello_torch", torch.__version__) print("cuda is available:{}".format(torch.cuda.is_available()))

运行结果如下：

若能正常运行，得到相应的结果，恭喜你，安装成功！！！Happy Ending~ 欢迎投入Pytroch的怀抱~ 😃 后面有着更多的坑等着你去踩╮(╯▽╰)╭