Win10 GPU版Pytorch1.1详细安装教程

本文档详细阐述了在Windows 10操作系统上安装GPU版本的PyTorch 1.1的步骤，包括CUDA、cuDNN的安装以及如何创建和激活conda环境，最后通过验证代码确认PyTorch安装是否成功。 首先，安装CUDA是PyTorch GPU支持的基础。你需要访问NVIDIA官方网站，找到适用于你GPU型号的GeForce Game Ready Driver并进行更新，以确保驱动程序是最新的。更新后，通过NVIDIA控制面板检查CUDA版本，确认是否已更新至10.1。 接下来，下载并安装CUDA 10.1。安装过程中，遵循向导的指示完成设置。一旦安装完毕，CUDA将为PyTorch提供GPU计算支持。 然后，安装cuDNN。这是CUDA的一个库，专为深度学习设计，加速了神经网络的运算。在下载与CUDA版本兼容的cuDNN v7.6.1后，解压缩文件，并将解压后的`bin`目录添加到系统的环境变量中，以便系统能够找到所需的库。 在安装CUDA和cuDNN后，你需要创建一个conda环境，以隔离PyTorch的安装与其他项目。在Anaconda Prompt中输入以下命令创建名为`pytorch_gpu`的环境，并指定Python版本为3.7： ```bash conda create -n pytorch_gpu python=3.7 ``` 激活刚创建的环境： ```bash conda activate pytorch_gpu ``` 安装PyTorch时，推荐切换到国内镜像源以加快下载速度。这里使用中国科学技术大学的镜像源，有两种方式实现： 方法一： ```bash conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` 方法二： 直接编辑`.condarc`文件，添加上述镜像源。 然后，根据官网提供的信息，输入以下命令安装PyTorch、torchvision以及对应的CUDA工具包： ```bash conda install pytorch torchvision cudatoolkit=10.0 -c pytorch ``` 安装完成后，运行简单的Python代码进行验证，确认PyTorch是否正确安装并能利用GPU： ```python import torch # 打印一个随机张量 x = torch.rand(5, 3) print(x) # 检查GPU是否可用 if torch.cuda.is_available(): print("GPU is available for computation.") else: print("GPU is not available.") ``` 如果这段代码能够顺利执行并打印出结果，那么恭喜你，你的Win10系统已经成功安装了GPU版的PyTorch 1.1。现在你可以在这个环境中进行深度学习的实践和研究了。