CUDA与Pytorch安装教程 – Blue16的博客

本文最后更新于406 天前，其中的信息可能已经过时，如有错误请发送邮件到blue16@email.swu.edu.cn

前言

搞深度学习的，CUDA肯定必不可少，只不过据我所知，第一次安装CUDA是非常痛苦的，更别说Pytorch了，不管是下载还是报错。

需要准备的

Anaconda（推荐）/MiniConda
优化网络环境

操作方式

1.下载驱动/更新显卡驱动（可以跳过但推荐更新一下，可以提升CUDA支持版本）

NVIDIA GeForce 驱动程序 – N 卡驱动 | NVIDIA

如果要打游戏的，下载GameReady，如果不打游戏或者打的少，经常做视频剪辑图像处理的，下载Studio。这里下载完安装包后，勾选“自定义”，然后推荐执行“清洁安装”，也就是卸载原版驱动后再安装。

2.查询显卡最高支持的CUDA版本

打开cmd，执行：nvidia-smi

这里的“CUDA Version”指的是你的显卡最高支持版本，也就是你安装的CUDA版本不能高于这个版本号，但是可以更低。

3.查询PyTorch最高支持版本号

进入Start Locally | PyTorch，找到下面的部分：

我们选择Windows、Conda、Python，这里的“Compute Platform”就是当前Pytorch支持的最高版本，当前是12.4，我们显卡最高支持是12.7，是支持的。这也是我们需要下载的CUDA Toolkit的版本。

4.进入NVIDIA CUDA官网下载对应版本的CUDA

CUDA Toolkit Archive | NVIDIA Developer

注意是“Toolkit Archive”，因为我们不能进入官网下载最新版本的CUDA，最新版会导致PyTorch不识别导致报错。找到对应版本，目前我这里是12.4，因此下载12.4.0的版本：

下载后和安装显卡驱动一样安装即可。

Tips：这个网站即使是优化了网络还是会卡，是正常的，可能比较土豆，需要多次尝试。。。好像最近Nvidia修复了，反正去年都是非常卡的。

5.创建一个Anaconda环境，然后安装PyTorch

首先创建并激活一个Anaconda环境：

conda create -n pytorch_env
conda activate pytorch_env

然后复制刚才PyTorch官网上的对应指令，执行一下，例如我这里是：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

注意全程优化网络环境，不会优化的问下你们的学长学姐，我个人喜欢挂代理，因为换源麻烦而且容易出一些莫名其妙的错误。

6.验证PyTorch是否安装成功

等进度条走完，执行下面的代码，根据检测结果判断即可。

import torch

# 打印PyTorch版本
print(f"PyTorch version: {torch.__version__}")

# 检查是否有CUDA支持
if torch.cuda.is_available():
    print("CUDA is available!")
    print(f"CUDA version: {torch.version.cuda}")
    print(f"Device name: {torch.cuda.get_device_name(0)}")

    # 创建一个在GPU上的张量
    x = torch.rand(5).cuda()
    print(f"Tensor on GPU: {x}")
else:
    print("CUDA is not available.")

核心就是一个命令：“torch.cuda.is_available()”。

一些常见的问题

盲目安装CUDA版本导致与PyTorch不匹配

CUDA不是显卡最高支持多少就安装多高版本的CUDA，CUDA不是向下兼容的，需要到PyTorch官网看下最高支持版本是多少，再安装对应的CUDA版本。

安装的PyTorch只调用CPU训练

安装成CPU版本的PyTorch了，不能简单使用“pip install pytorch”等指令进行安装，请卸载后（建议直接删除anaconda对应环境）再使用PyTorch官网上的指令进行重新安装。

前言