文章目录

    • 前言
    • 一、安装CUDA
      • 1、检查电脑是否支持CUDA
      • 2、下载并安装CUDA
      • 3、下载并安装cuDNN
    • 二、安装Pytorch
      • 1、安装Anaconda
      • 2、切换清华镜像源
      • 3、创建环境并激活
      • 4、输入Pytorch安装命令
      • 5、测试
    • 三、在Pycharm上使用搭建好的环境
    • 参考文章

前言

本人纯python小白，第一次使用Pycharm、第一次使用GPU版Pytorch。因为在环境搭建的过程中踩过不少坑，所以以此文记录详细且正确的GPU版Pytorch环境搭建过程，同时包括在Pycharm上使用Pytorch的教程（Anaconda环境）。希望此文对读者有帮助！

一、安装CUDA

1、检查电脑是否支持CUDA

因为CUDA的下载耗时较长，所以本文从CUDA开始讲起。

  1. 安装CUDA前首先检查自己电脑有没有NVIDIA的显卡
  2. 使用快捷键ctrl+alt+delete打开任务管理器
  3. 在“性能”页面找到GPU那一栏，有任意一项GPU是NVIDIA即可。如下图：

然后，查看自己的电脑是否支持CUDA。

  1. 桌面右键“NVIDIA控制面板”，打开NVIDIA控制面板
  2. 菜单栏“帮助”→系统信息，打开“系统信息”界面。
  3. 切换到“组件”。
  4. （下图可以看到我的电脑是支持CUDA的，版本号为11.0.197。理论上我的电脑最高支持11.0.197的CUDA，但是我安装了11.3版本的CUDA也可以用，所以不用理会这里的版本号。）

2、下载并安装CUDA

若电脑没有NVIDIA显卡或不支持CUDA，请直接跳到“二、安装Pytorch”

现在开始CUDA的下载和安装，建议下载11.3和11.6版本的CUDA，因为PyTorch不支持10.2版本的CUDA（Windows）。

  1. CUDA下载地址：各历史版本CUDA的下载地址
  2. 建议WIN10的下载配置这样选（如下图）：
  3. 下载完成后按默认配置安装即可
  4. 然后，查看“环境变量”是否多了CUDA有关的项，查看方法如下图：

3、下载并安装cuDNN

cuDNN是用于深度神经网络的GPU加速库，相当于是对CUDA的补充，建议顺便把cuDNN也装上。详情参考：CUDA与cuDNN的简介与关系。

  1. cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download
  2. cuDNN的下载需要注册，随便注册即可。选择与已安装的CUDA版本对应的下载，如下图：
  3. cudnn下载后解压，拷贝压缩包里的三个文件夹至CUDA的安装目录（CUDA默认安装路径为“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3”）覆盖，即可完成cuDNN的安装，如图：

二、安装Pytorch

Pytorch可以在Anaconda环境下安装，也可以直接在电脑的Python环境安装，本文推荐安装在Anaconda环境，便于管理。

1、安装Anaconda

如果你没有安装Anaconda，则请到https://www.anaconda.com/products/distribution下载安装最新版。
如果下载速度过慢，也可以到清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载。
安装操作直接按默认的来即可，当然也可以更改安装路径到除C盘以为的盘符。

2、切换清华镜像源

如果你已经安装Anaconda了，在开始菜单里找到Anaconda Prompt，右键以管理员身份运行。
依次输入以下4行代码，切换到清华镜像源，提高下载安装速度。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

如果下载出现问题，请使用以下代码切换回默认源：

conda config --remove-key channels

3、创建环境并激活

切换到清华镜像源后，输入以下代码创建环境，命名PyTest的环境：

conda create -n PyTest python=3.7

然后，输入代码参考环境是否创建成功：

conda info --envs

如下图可以看到我们创建的PyTest环境。

然后，输入代码激活PyTest环境：

conda activate PyTest

如下图，当前环境从base切换到了PyTest。

4、输入Pytorch安装命令

至此，我们终于可以在PyTest环境下安装Pytorch。
在Pytorch官网（https://pytorch.org/）获取Pytorch安装命令，选择conda和自己安装的cuda版本。如果没装CUDA，请选择CPU。

输入从Pytorch获取的安装命令（上图红框内的），并回复“y”确认安装。
文件有点大，耐心等待即可。

5、测试

  1. 输入代码切换到PyTest环境：
conda activate PyTest
  1. 输入 python
  2. 输入 import torch
  3. 成功则如下图

三、在Pycharm上使用搭建好的环境

我们搭建好Pytorch环境后，需要在Pycharm里设置环境才能让你的代码项目使用上Pytorch。

  1. 打开Pycharm

  2. 菜单栏里选“File”→Settings

  3. 找到你的项目，“Project：XXX”

  4. 点击“Python Interpreter”

  5. 点击“Add Interpreter”

  6. 选择“Conda Environment”

  7. 点击“…”

  8. 输入以下代码查询Pytorch的环境路径请：

conda info --envs

  1. 选择Pytorch环境的搭建路径里的python.exe
  2. 成功后可以看到包列表中有Pytorch

最后，在Pycharm的代码文件里输入“import torch”看看成功了没呀~

参考文章

  1. 在Anaconda下安装Pytorch的超详细步骤
  2. 如何在pycharm中使用anaconda的虚拟环境
  3. Windows环境下快速安装anaconda和pytorch、cuda、cuDNN
  4. 2021.08.26学习内容 Win10+GeForce GTX1650安装NVIDIA显卡驱动及CUDA11.4+cuDNN8.2
  5. Windows11 显卡GTX1650 搭建CUDA+cuDNN环境，并安装对应版本的Anaconda和TensorFlow-GPU