在Windows上安裝PyTorch詳解

一、安裝Anaconda

首先，我們需要安裝Anaconda，以便於管理Python環境和依賴包。Anaconda可以從官網（https://www.anaconda.com/products/individual）上免費下載。

https://www.anaconda.com/products/individual

下載後，我們雙擊安裝程序進行安裝。Anaconda的安裝程序比較大，需要一些耐心等待。安裝時注意勾選「Add Anaconda to my PATH environment variable」選項。

二、創建Python環境

安裝完成後，我們需要創建一個新的Python環境，以便於安裝和管理PyTorch。

conda create --name pytorch_env python=3.8

這裡我們以Python3.8版本為例創建一個名為「pytorch_env」的Python環境。

需要注意的是，PyTorch的安裝需要64位版本的Python和對應的包管理器。確保你的Windows系統和Python環境都是64位的。

三、安裝PyTorch

1. 安裝CPU版本的PyTorch

如果你的電腦沒有GPU或者不需要使用GPU，可以安裝CPU版本的PyTorch。安裝CPU版本的PyTorch比較簡單，只需要一條命令即可。

conda activate pytorch_env
conda install pytorch torchvision torchaudio cpuonly -c pytorch

運行上述命令，等待安裝完成即可。

2. 安裝GPU版本的PyTorch

如果你的電腦裝備了NVIDIA顯卡並且想要使用GPU，可以安裝GPU版本的PyTorch。GPU版本的PyTorch需要依賴CUDA和cuDNN。

安裝CUDA

首先，我們需要安裝CUDA。安裝CUDA需要下載對應版本的CUDA Toolkit，並進行安裝配置。具體安裝方式可以參考NVIDIA官方文檔（https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/）。

安裝cuDNN

CUDA安裝完成後，我們還需要安裝cuDNN。cuDNN可以從NVIDIA官網（https://developer.nvidia.com/cudnn）免費下載。

下載後，我們需要將cuDNN的文件複製到CUDA的安裝目錄下。假設CUDA安裝在「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1」下，則解壓後將cuDNN的文件複製到「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1」目錄下的「bin」、「include」和「lib」文件夾中即可。

安裝PyTorch

當CUDA和cuDNN安裝完成後，我們就可以安裝GPU版本的PyTorch了。

conda activate pytorch_env
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

運行上述命令，等待安裝完成即可。

四、測試PyTorch是否安裝成功

我們可以在Python解釋器中輸入以下代碼，測試PyTorch是否安裝成功。

import torch
print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
print('Number of GPUs available: ' + str(torch.cuda.device_count()))

如果打印出來的版本號和CUDA信息沒有問題，則說明PyTorch安裝成功。