《动手学深度学习》安装GPU版Pytorch

使用的软件为py3.9版本的miniconda，安装miniconda可能需要安装的时候选择修改环境变量，接下来按照《动手学深度学习》书上的安装就行，创建d2l环境，接下来是安装Torch，参考文章为https://blog.csdn.net/m0_51302496/article/details/138013760，cuda版本为11.8，安装方式为whl安装。资源为miniconda安装包、cuda118安装包、以及对应whl文件，其余文件暂时可以不管，走百度网盘下载可以大量缩减您下载的时间，本人使用的显卡为rtx970，实测可以成功，如果有用，留下好评，谢谢，如果没用请及时反映。 ### 《动手学深度学习》安装GPU版Pytorch #### 一、准备工作 在开始安装GPU版Pytorch之前，我们先来明确一下整个流程的主要步骤： 1. **安装Miniconda**：首先需要安装Miniconda环境管理工具，用于创建虚拟环境。 2. **创建虚拟环境**：使用Miniconda创建一个名为`d2l`的新环境。 3. **安装PyTorch**：在`d2l`环境中安装支持GPU加速的PyTorch。 4. **配置CUDA**：确保CUDA版本与PyTorch兼容。 #### 二、安装Miniconda **步骤1**：下载Miniconda安装包 - 根据操作系统（Windows、Mac或Linux）选择合适的Miniconda安装包。 - 下载地址：[Miniconda官网](https://docs.conda.io/en/latest/miniconda.html)。 - 使用百度网盘提供的链接进行快速下载：链接：[百度网盘](https://pan.baidu.com/s/1Kmxaosje37ar2JPmROsnMQ)，提取码：426i。 **步骤2**：安装Miniconda - 运行下载好的Miniconda安装程序。 - 在安装过程中选择**“修改环境变量”**选项，这样可以在系统中自动设置好Miniconda的相关路径。 - 完成安装后，打开命令提示符或终端，输入`conda --version`验证安装是否成功。 #### 三、创建虚拟环境 **步骤1**：创建虚拟环境 - 打开命令提示符或终端，输入以下命令创建名为`d2l`的虚拟环境： ``` conda create -n d2l python=3.9 ``` - 这里指定了Python版本为3.9。 - 使用`conda activate d2l`激活该虚拟环境。 #### 四、安装PyTorch **步骤2**：安装PyTorch - 根据所使用的CUDA版本选择合适的PyTorch安装方式。 - 本教程中CUDA版本为11.8。 - PyTorch的官方文档提供了多种安装方法，包括通过pip、conda等工具安装。 - 本教程推荐使用whl文件安装，因为这种方式可以更精确地控制安装过程中的各种依赖项。 - 从PyTorch官网获取适用于CUDA 11.8的whl文件下载链接：[PyTorch官网](https://pytorch.org/get-started/locally/)。 - 或者，使用百度网盘提供的链接下载对应whl文件：链接：[百度网盘](https://pan.baidu.com/s/1Kmxaosje37ar2JPmROsnMQ)，提取码：426i。 - 将下载好的whl文件放到虚拟环境的`site-packages`目录下。 - 使用以下命令安装PyTorch： ``` pip install torch.whl ``` - 替换`torch.whl`为实际下载的whl文件名。 #### 五、验证安装 **步骤3**：验证PyTorch是否安装成功 - 在激活的`d2l`环境中运行Python解释器。 - 输入以下代码检查PyTorch版本及CUDA支持情况： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` - 如果输出了正确的版本号，并且`torch.cuda.is_available()`返回`True`，则说明安装成功。 #### 六、注意事项 1. **CUDA版本兼容性**：确保所使用的CUDA版本与PyTorch版本兼容。 2. **驱动程序版本**：NVIDIA显卡驱动程序版本也需要与CUDA版本匹配。 3. **环境变量**：确保安装过程中正确设置了环境变量。 4. **显卡兼容性**：本文作者使用的是RTX 970显卡，已经验证过可以成功安装并使用。如果你使用的是其他型号的显卡，请确保其支持CUDA 11.8。 #### 七、常见问题解决 - **问题1**：安装失败或出现错误。 - 检查是否按照上述步骤逐一操作。 - 查看错误日志，定位具体问题。 - 确认CUDA和显卡驱动程序版本是否正确。 - **问题2**：PyTorch无法识别GPU。 - 确保CUDA版本与PyTorch版本兼容。 - 更新显卡驱动程序至最新版本。 - 检查环境变量设置是否正确。 以上就是关于《动手学深度学习》中GPU版Pytorch的安装指南，希望能帮助大家顺利完成安装。如有疑问或遇到问题，欢迎留言反馈。