1. 简介

PyTorch分为CPU版本和GPU版本，使用GPU加速深度学习的前提是具备显卡以及安装CUDA。使用PyTorch是不需要单独安装cuDNN的，因为其已经集成了cuDNN，在安装PyTorch时候会自动安装cuDNN。软件版本如下：

python version 3.9.16 (main, Mar  8 2023, 10:39:24) [MSC v.1916 64 bit (AMD64)]
torch version: 2.0.0
cuda version: 11.7

2. 安装Anaconda

直接官网https://www.anaconda.com/download/下载最新版。普通软件安装方法，安装后就可以用了。可以选择安装到其他盘符。

3. 安装Pycharm

直接官网https://www.jetbrains.com/pycharm/download/#section=windows下载最新版，用社区版就够了。普通软件安装方法，安装后就可以用了。可以选择安装到其他盘符。如何选择安装的conda解释器可见下图：

4. 安装CUDA11.7.0

4.1 安装

官网下载https://developer.nvidia.com/cuda-toolkit-archive，这里我用的是11.8.0版本。

4.2 测试

安装了显卡驱动之后，系统中会有一个强大的命令行管理工具：nvidia-smi

CUDA安装成功后，通过命令查看：nvcc -V

4.3 CUDA卸载

如果安装了不适合的CUDA版本，Windows系统需要在控制面板卸载CUDA。在控制面板中根据安装时间排序，删除下图中的几项。不要把显卡驱动卸载了。

参考：CUDA卸载&&重装

5. PyTorch安装

5.1 PyTorch安装

同时安装CPU和GPU版本。命令如下：

 pip install torch torchvision torchaudio

上述命令安装特别的慢，若干个小时（终止安装过程：ctrl+c）。因此可以使用清华源进行安装（一分钟安装结束），命令如下：

pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple    

pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

如果要安装指定版本1.9.0版，格式如下：

pip install torch==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple    

参考：pytorch加速下载——清华镜像源(conda或者pip版本)

5.2 测试

因为根据《动⼿学深度学习》书中进行学习，因此，这里还安装了d2l包，其中包含了学习中会用到的各种包。命令如下：

pip install d2l

import torch
import sys

print("python version", sys.version)

print("torch version:", torch.__version__)
print("cuda version:", torch.version.cuda)

x = torch.rand(5, 3)
print(x)

# gpu
print("gpu:", torch.cuda.is_available())
print(torch.cuda.device_count())