在conda用pip install安装pytorch1.9.0

不建议使用pip安装PyTorch，因为PyTorch需要与CUDA和cuDNN等其他依赖项进行编译匹配。正确的方法是使用conda安装PyTorch，以确保所有依赖项都正确安装和配置。

如果您已经使用pip安装了PyTorch，建议先卸载已安装的PyTorch，然后使用conda安装PyTorch。

您可以按照以下步骤使用conda安装PyTorch 1.9.0：

1. 打开Anaconda Prompt或终端。

2. 创建一个新的conda环境（可选）。

3. 输入以下命令以安装PyTorch：

conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

4. 等待安装完成。

请注意，上述命令假定您使用的是CUDA 10.2。如果您使用的是其他版本的CUDA，请相应地更改"cudatoolkit"参数。

相关问题

pip安装pytorch1.9.0

您可以使用以下命令使用pip安装PyTorch 1.9.0：

pip install torch==1.9.0+cpu torchvision==0.10.0+cpu torchaudio==0.9.0 -f https://download.pytorch.org/whl/cu111/torch_stable.html

上述命令假定您使用的是CPU版本的PyTorch，如果您的系统上安装了CUDA，可以将"+cpu"从上述命令中省略，以安装GPU版本的PyTorch。

请注意，由于PyTorch需要与CUDA以及其他依赖项进行编译匹配，因此使用pip安装可能会导致不可预测的错误。我们强烈建议您使用conda安装PyTorch，以确保正确安装和配置所有依赖项。

安装安装PyTorch 1.9.0 Cuda 11.1

安装 PyTorch 1.9.0 和 CUDA 11.1 需要在支持CUDA的Linux、macOS或Windows系统上进行，以下是大致步骤：

1. **更新操作系统**：
确保你的系统是最新的，并有兼容的显卡驱动。

2. **检查硬件支持**：
CUDA只适用于NVIDIA GPU，访问NVIDIA官网确认你的GPU型号是否支持CUDA 11.1。

3. **下载CUDA Toolkit**：
访问NVIDIA Developer网站(https://developer.nvidia.com/cuda-downloads)，选择"cuDNN Library"和"CUDA Toolkit"。对于CUDA 11.1，找到对应版本并下载安装文件。

4. **安装CUDA**：
运行安装程序，按照提示操作，确保选择安装到合适的路径，如默认路径`/usr/local/cuda`。

5. **配置环境变量**：
在终端或命令提示符中，编辑`~/.bashrc`（Linux/macOS）或`%USERPROFILE%\enviroment variables`（Windows），添加CUDA和cuDNN的路径到系统的PATH环境变量。

6. **安装cuDNN**：
如果选择了包含cuDNN的CUDA安装，cuDNN通常会自动安装。如果没有，需要从NVIDIA官网单独下载cuDNN库并安装。

7. **安装PyTorch**：
使用以下命令安装特定版本的PyTorch，这里使用conda（推荐）：

   conda create -n pytorch_1_9 python=3.7 torchvision cudatoolkit=11.1 -c pytorch
   conda activate pytorch_1_9
   pip install torch==1.9.0+cu111 torchaudio torchvision -f https://download.pytorch.org/whl/torch_stable.html

或者使用pip直接安装（非建议）：

   pip install torch==1.9.0+cu111 torchvision cudatoolkit=11.1 -f https://download.pytorch.org/whl/torch_stable.html

8. **验证安装**：
通过运行Python脚本测试安装：

   import torch
   print(torch.cuda.is_available(), torch.version.cuda)