目录

• 1 什么是Pytorch？
• 2 CUDA安装与配置
• • 2.1 Windows
  • • 2.1.1 查看显卡驱动版本
    • 2.1.2 下载安装CUDA
    • 2.1.3 下载安装cuDNN
    • 2.1.4 多版本CUDA切换
    • 2.1.5 CUDA卸载
  • 2.2 Ubuntu
  • • 2.2.1 查看显卡驱动版本
    • 2.2.2 下载安装CUDA
    • 2.2.3 下载安装cuDNN
    • 2.2.4 多版本CUDA切换
• 3 Pytorch安装与配置
• • 3.1 选择Pytorch版本
  • 3.2 安装Pytorch

1 什么是Pytorch？

Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络(DNN)编程。Torch 是一个经典的对多维矩阵数据进行操作的张量库，在机器学习和其他数学密集型应用有广泛应用，很多经典的开源深度学习算法都是采用Pytorch框架开发的。

既然Pytorch针对深度学习进行GPU加速，那么其安装一定与显卡挂钩，因此本文主要分为两个方面——CUDA安装配置以及Pytorch安装配置

2 CUDA安装与配置

2.1 Windows

2.1.1 查看显卡驱动版本

根据CUDA官方说明文档，显卡驱动的版本决定了你能安装CUDA版本的上限，比如我最多只能安装CUDA 11.6，读者请根据自己的驱动版本选择CUDA版本。

2.1.2 下载安装CUDA

进入CUDA下载界面下载某个版本的CUDA

这里的选择根据两个方面：

• 自身显卡驱动型号(2.1节)
• Pytorch版本号(3.1节)

本文演示CUDA 11.6的安装

• 下载安装包
  

• 启动安装程序
  
  
  
  

• 配置环境变量(一般是安装程序自动配置完成，否则自行配置)
  

• 测试，终端输入nvcc -V，返回CUDA版本号即安装成功

  C:\Users\Mr.Winter>nvcc -V
  nvcc: NVIDIA (R) Cuda compiler driver
  Copyright (c) 2005-2021 NVIDIA Corporation
  Built on Fri_Dec_17_18:28:54_Pacific_Standard_Time_2021
  Cuda compilation tools, release 11.6, V11.6.55
  Build cuda_11.6.r11.6/compiler.30794723_0
  

2.1.3 下载安装cuDNN

cuDNN是CUDA的深度学习补丁，进入cuDNN官网下载与CUDA版本匹配的cuDNN即可

下载解压后的cuDNN如图所示

把三个文件夹复制粘贴到CUDA安装目录中，在本文中是

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

即可完成cuDNN的补丁

2.1.4 多版本CUDA切换

更改系统变量的CUDA_PATH使其指向需要切换的版本，PATH使切换的版本位于最上侧

对应版本移动到最上方

2.1.5 CUDA卸载

在控制面板卸载对应版本的CUDA文件即可，主要是

• NVIDIA CUDA Development
• NVIDIA CUDA Documentation
• NVIDIA CUDA Runtime
• NVIDIA CUDA Samples

2.2 Ubuntu

2.2.1 查看显卡驱动版本

输入nvidia-smi即可

2.2.2 下载安装CUDA

同Windows，现在官网下载指定版本的CUDA安装文件，这里以.run文件为例

• 终端运行下面的命令，这一步可能需要等待一段时间

  wget https://developer.download.nvidia/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run
  sudo sh cuda_11.4.0_470.42.01_linux.run
  

• 选择Continue
  

• 输入accept
  

• 选择需要安装的组件，如果已经安装了显卡驱动需要取消勾选Driver
  

• 安装完成
  

• 测试。输入nvcc -V，能正确输出信息即可

  nvcc -V
  
  nvcc: NVIDIA (R) Cuda compiler driver
  Copyright (c) 2005-2021 NVIDIA Corporation
  Built on Wed_Jun__2_19:15:15_PDT_2021
  Cuda compilation tools, release 11.4, V11.4.48
  Build cuda_11.4.r11.4/compiler.30033411_0
  

2.2.3 下载安装cuDNN

与Windows类似，将cuDNN库文件下载到本地解压后，执行下面的命令

sudo cp cudnn-11.4-linux-x64-v8.2.4.15/cuda/include/cudnn* /usr/local/cuda-11.4/include
sudo cp cudnn-11.4-linux-x64-v8.2.4.15/cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64
sudo chmod a+r /usr/local/cuda-11.4/include/cudnn* /usr/local/cuda-11.4/lib64/libcudnn*

即可完成cuDNN的补丁

2.2.4 多版本CUDA切换

在~/.bashrc中设置CUDA环境变量

export PATH=${PATH}:/usr/local/cuda/bin
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda/lib64

这里不写版本号，因为这里有一个从cuda到cuda-version的软链接

实现多版本切换也是依靠修改软链接

# 删除之前创建的软链接
sudo rm -rf /usr/local/cuda
# 建立和新版本映射的软链接  
sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda

3 Pytorch安装与配置

3.1 选择Pytorch版本

进入Pytorch官网可以看到最新版Pytorch的安装命令及其对应的CUDA版本

如果电脑硬件达不到CUDA要求，可以进入Pytorch安装列表查看所有版本Pytorch的安装命令，总可以找到适合自己显卡型号的Pytorch版本

3.2 安装Pytorch

本文采用CUDA 11.6，根据官网的命令，在终端输入

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

这里建议在虚拟环境中实验，虚拟环境相关操作请参考：Anaconda安装与Python虚拟环境配置保姆级图文教程(附速查字典)

安装成功后

---

🔥 更多精彩专栏：

• 《ROS从入门到精通》
• 《Pytorch深度学习实战》
• 《机器学习强基计划》
• 《运动规划实战精讲》
• …

👇源码获取 · 技术交流 · 抱团学习 · 咨询分享 请联系👇