目录
一.前期准备(Pycharm和Python环境的安装）
首先在Pycharm和Python官网下载想要安装版本的软件。这里比较基础就不展开细讲了。
Python安装完成之后的验证：
命令行cmd输入python之后可以进入正确环境
Tips:
也推荐安装一下Anaconda，用于管理包和环境十分方便。
二.安装CUDA加速架构组件
- 首先在右下角的NVIDIA右键打开控制面板->帮助->系统信息,找到CUDA对应的DLL版本
由此可见我的电脑的CUDA版本为CUDA 11.6.106
2.去CUDA官网下载对应的CUDA版本，Tips: 第一步查到的我们电脑的CUDA支持版本，是向下兼容的，也就是我们可以安装
NVIDIA的官网安装 CUDA:
CUDA Toolkit Archive | NVIDIA Developer
第一步是一个临时解压路径，不是最终安装路径，所以不必换
第二部选择自定义比较好
第三步记得不要安装Visual Studio Integration，占用较大内存
第四步记得在完成安装之后添加环境变量到PATH里(当然要把自己的版本号改过来):
最后验证安装成功
cmd输入nvcc -V会得到以下信息
三.CUDNN的安装
这一步同样来到cudnn官网即可, 这一步比较不一样的是CUDNN的下载需要创建并登入自己的NVIDIA账号以及加入开发者计划。
cuDNN Archive | NVIDIA Developer
看好对应的CUDA版本就好，在文件名中有体现(注意如果版本太高的，比如我下载的CUDA11.6，可以下载cuDNN for CUDA 11.x)
四.Pytorch的安装
1.找到合适的pytorch版本:
cmd输入 nvidia-smi得到以下信息:
根据Driver Version的值在下表找到对应
找到可用的pytorch版本
2.安装的两种方式：
来pytorch官网下载想要的版本，在Pycharm的terminal里面用pip安装：
或者直接来到这里找到自己需要的pytorch版本(记住cuxxx开头的才是GPU版本的，其他是CPU版本的pytorch)，下载之后放到虚拟环境的路径下，使用pip安装:
https://download.pytorch.org/whl/torch_stable.html
五.最后验证torch GPU版本安装成功:
import torch
print(torch.cuda.is_available())
如果输出true就ok了
Original: https://blog.csdn.net/m0_53817749/article/details/124309057
Author: 挽云归
Title: GPU版pytorch安装方法(基于Pycharm)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/518872/
转载文章受原作者版权保护。转载请注明原作者出处！