Pytorch安装踩坑

在当前用户目录下创建pip目录，即C:\Users\xxx\pip\ (xxx指代用户名)，在pip目录下创建pip.ini文件，文件内容如下。torchvision和torchaudio可以根据需要再安装，一般是用不上的。技巧：下载的时候复制链接到IDM，然后IDM下载过程中速度会波动，将cudnn解压，将bin、include、lib复制和替换到。建议：后续也可以把这三个包单独下载下来，使用pip分别安装。双击下载好的cuda****.exe。下载对应的cuda并安装。但下载很容易断，所以请看。

最全的pytorch安装教程，一次安装成功！

官网-- 安装torch1.1.0的地址 https://pytorch.org/get-started/previous-versions/ 找到安装CUDA9.0版本的代码 # CUDA 9.0 conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch 直接用上面的代码会发现这样是安装不了的，这是个巨坑。 用pip 接用阿里云的pip源进行安装，火箭式下载速度。 >python -m p

5、pip install +下载的文件所在路径。这样一个一个下载就能安装好了。直接在命令行安装我的是显示报错，找不到包，所以我要按照上面的版本一个一个下载到本地。最近跑代码之前的pytorch版本不能用，需要安装1.10以上的，记录一下。1、我的cuda目录下缺少了很多包，所以重新安装了cuda10.2。2、到pytorch官网查看适合自己的pytorch 版本。去cuda官网按照步骤一步一步安装就好。4、下载之后在终端输入打开虚拟环境。比如我的版本是cuda10.2。

换了新电脑，装pytorch，本来很简单的时被我搞得太复杂了，记录一下踩坑过程。 踩坑1： miniconda安装的是32位的，由于这一点没有注意到，导致后面一系列安装出问题。 pytorch默认是安装64位的版本，安装时出了问题，最后选择重装系统kali，Ubuntu都试了，最后无疾而终，选择装回Windows。安装win的时候，由于不是联想原版本系统，又出了一系列问题，最后选择此版本的win系统成功搞定，系统的问题。 magnet:?xt=urn:btih:AB78595A7854DCF9E2

我擦，Pytorch环境的搭建不得不说，真的有点烦，可能是自己菜吧。 1、选对正确的cuda版本        首先，先确保如果想下载pytorch1.5版本或以上的并且想要使用GPU加速的，确保CUDA版本在10.1及以上，10.0官网已经不支持了。如下图：        现在只需要安装对应版本的cuda就行了，安装pytorch的时候会自动下载适配的cudnn

用pip成功安装GPU版本的pytorch

记录成功的pytorch安装参数

PyTorch的GPU安装方法，有详细的图过程，从显卡驱动到安装成功。

GPU版本安装pytorch的成功率99%

pytorch gpu版本安装

按照我的方法安装玩tensorflow-gpu后，接下来就是安装pytoch-gpu版了 打开https://pytorch.org/get-started/locally/ pip install https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win_amd64.whl -i https://pypi.tuna...

https://www.bilibili.com/video/bv1Rz411e7eJ https://blog.csdn.net/qq_46126258/article/details/112698284 https://blog.csdn.net/p1279030826/article/details/110181686 https://blog.csdn.net/java_pythons/article/details/114966809 https://blog.csdn.net/weixin_43

最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置GPU版本，根据b站up我是土堆的教学视频总结！！！

验证：输入nvcc --version 或者nvcc -V 进行检查。安装相应的CUDA 和CUDANN。