PyTorch安装教程
PyTorch 是一个广泛使用的深度学习框架,以其灵活性和易用性受到开发者的青睐。本文将详细介绍在 Windows 10 系统上,使用 PyCharm 和 Python 3.9 安装 PyTorch,同时配合 CUDA 和 cuDNN 的步骤。 确认你的显卡驱动支持的 CUDA 最高版本。在“显示”设置中查找“驱动程序版本”,例如文中提到的是 526.23,对应的 CUDA 版本为 12.2.79。这意味着你的系统可以支持 CUDA 10.2.89 至 12.2.79 之间的任何版本,但不能高于这个范围。 接下来,开始安装 CUDA。从 NVIDIA 官方网站下载适合你的系统的 CUDA Toolkit 安装包,例如文中使用的版本是 cuda_10.2.89_441.22_win10.exe。以管理员权限运行安装程序,根据提示选择自定义安装路径,例如 D:\NVIDIA\CUDA,并确保取消不必要的组件如 Visual Studio Integration 的勾选。 安装完 CUDA 后,安装 cuDNN 支持包。将 cuDNN 解压后,将包含的三个文件夹复制到 CUDA 的安装路径下,即 D:\NVIDIA\CUDA。 配置环境变量至关重要。创建或修改以下环境变量: - CUDA_PATH 和 CUDA_PATH_V8_0 - CUDA_SDK_PATH,指向 cuDNN 样例文件的位置 - CUDA_LIB_PATH,CUDA_BIN_PATH,CUDA_SDK_BIN_PATH,CUDA_SDK_LIB_PATH,分别指向 CUDA 库文件、二进制文件和 SDK 相关库的路径 同时,在系统变量 PATH 中添加这些路径,以确保系统能够找到 CUDA 和 cuDNN 的相关组件。 安装完成后,验证 CUDA 和 cuDNN 是否正确配置。在命令行中,先切换到 CUDA 安装目录,然后输入 `nvcc -V` 命令,如果返回正确的 CUDA 版本信息,则表明安装成功。 安装 PyTorch。访问 PyTorch 官方下载网址(https://download.pytorch.org/whl/torch/),根据你的 Python 版本和已安装的 CUDA 版本,选择相应的 torch wheel 文件下载。例如,如果你使用的是 Python 3.9 和 CUDA 10.2,应选择类似 `torch-1.10.0+cu102-cp39-cp39-win_amd64.whl` 的文件。通过 pip 安装该文件,例如 `pip install torch-1.10.0+cu102-cp39-cp39-win_amd64.whl`。 至此,你已经成功地在 PyCharm 中配置好了 PyTorch、CUDA 和 cuDNN 的环境,可以开始进行深度学习项目了。注意,确保在安装过程中遵循所有安全提示,并定期更新软件以获取最新特性及修复安全问题。