pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorchCUDA 12.1极快安装

🌷🍁 博主 libin9iOak带您 Go to New World.✨🍁
🦄 个人主页——libin9iOak的博客🎐
🐳 《面试题大全》 文章图文并茂🦕生动形象🦖简单易学！欢迎大家来踩踩~🌺
🌊 《IDEA开发秘籍》学会IDEA常用操作，工作效率翻倍~💐
🪁🍁 希望本文能够给您带来一定的帮助🌸文章粗浅，敬请批评指正！🍁🐥

GPU版本PyTorch（CUDA 12.1）清华源快速安装教程：Windows、Mac和Linux系统

在本教程中，我们将为您提供在Windows、Mac和Linux系统上安装和配置GPU版本的PyTorch（CUDA 12.1）的详细步骤。我们将使用清华大学开源软件镜像站作为软件源以加快下载速度。通过按照以下教程，您将轻松完成GPU版本PyTorch的安装，为深度学习任务做好准备。

注意：在进行安装之前，请确保您的系统满足PyTorch（CUDA 12.1）的硬件要求，并已安装相应的GPU驱动程序和CUDA Toolkit。

教程目录

1. Windows系统上安装GPU版本PyTorch（CUDA 12.1）
2. Mac系统上安装GPU版本PyTorch（CUDA 12.1）
3. Linux系统上安装GPU版本PyTorch（CUDA 12.1）

Windows系统上安装GPU版本PyTorch（CUDA 12.1）

步骤1：检查GPU兼容性

确保您的Windows计算机配备了兼容的NVIDIA GPU。访问NVIDIA官方网站查找GPU的兼容性列表。

步骤2：安装NVIDIA驱动程序

前往NVIDIA官方网站下载并安装适用于您的GPU型号的最新驱动程序。

步骤3：安装CUDA Toolkit

从NVIDIA官方网站下载并安装与您的GPU兼容的CUDA Toolkit（版本12.1）。

步骤4：配置环境变量

将CUDA Toolkit的安装路径添加到系统环境变量中，以便PyTorch能够正确找到CUDA。

步骤5：创建虚拟环境

使用Anaconda创建一个新的虚拟环境（如pytorch310），并激活它。

步骤6：设置清华源

在虚拟环境中，使用以下命令设置清华源以加速安装过程：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

步骤7：安装PyTorch

使用以下命令在Windows系统上安装GPU版本的PyTorch（CUDA 12.1）：

pip install torch==2.0.0 cu118 torchvision==0.15.1 cu118 torchaudio==2.0.1 cu118 -f https://download.pytorch.org/whl/torch_stable.html

步骤8：验证安装是否成功

在Python环境中运行以下代码来验证是否成功安装了GPU版本的PyTorch：

import torch
print(torch.cuda.is_available())

如果输出结果为True，则说明PyTorch成功使用了GPU加速，安装完成。

Mac系统上安装GPU版本PyTorch（CUDA 12.1）

步骤1：检查GPU兼容性

确保您的Mac计算机搭载了支持Metal的GPU。访问苹果官方网站查找GPU的兼容性列表。

步骤2：安装Xcode

从Mac App Store下载并安装Xcode，它包含必要的开发工具和编译器。

步骤3：安装Homebrew

在终端中运行安装Homebrew的命令，以便之后安装其他软件。

步骤4：安装CUDA Toolkit

使用Homebrew安装与您的Mac GPU兼容的CUDA Toolkit（版本12.1）：

brew install --cask cuda@11.1

步骤5：创建虚拟环境

使用Anaconda创建一个新的虚拟环境（如pytorch310），并激活它。

步骤6：设置清华源

在虚拟环境中，使用以下命令设置清华源以加速安装过程：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

步骤7：安装PyTorch

使用以下命令在Mac系统上安装GPU版本的PyTorch（CUDA 12.1）：

pip install torch==2.0.0 cu118 torchvision==0.15.1 cu118 torchaudio==2.0.1 cu118 -f https://download.pytorch.org/whl/torch_stable.html

步骤8：验证安装是否成功

在Python环境中运行以下代码来验证是否成功安装了GPU版本的PyTorch：

import torch
print(torch.cuda.is_available())

如果输出结果为True，则说明PyTorch成功使用了GPU加速，安装完成。

Linux系统上安装GPU版本PyTorch（CUDA 12.1）

步骤1：检查GPU兼容性

确保您的Linux计算机搭载了兼容的NVIDIA GPU。访问NVIDIA官方网站查找GPU的兼容性列表。

步骤2：安装NVIDIA驱动程序

根据您的Linux发行版，从NVIDIA官方网站或使用包管理器安装适用于您的GPU型号的最新驱动程序。

步骤3：安装CUDA Toolkit

使用以下命令在Linux系统上下载并安装与您的GPU兼容的CUDA Toolkit（版本12.1）：

wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
sudo sh cuda_11.1.1_455.32.00_linux.run

步骤4：配置环境变量

将CUDA Toolkit的安装路径添加到系统环境变量中

，以便PyTorch能够正确找到CUDA。

步骤5：创建虚拟环境

使用Anaconda创建一个新的虚拟环境（如pytorch310），并激活它。

步骤6：设置清华源

在虚拟环境中，使用以下命令设置清华源以加速安装过程：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

步骤7：安装PyTorch

使用以下命令在Linux系统上安装GPU版本的PyTorch（CUDA 12.1）：

pip install torch==2.0.0 cu118 torchvision==0.15.1 cu118 torchaudio==2.0.1 cu118 -f https://download.pytorch.org/whl/torch_stable.html

步骤8：验证安装是否成功

在Python环境中运行以下代码来验证是否成功安装了GPU版本的PyTorch：

import torch
print(torch.cuda.is_available())

如果输出结果为True，则说明PyTorch成功使用了GPU加速，安装完成。

今日学习总结

原创声明

=======

---

作者保证信息真实可靠，但不对准确性和完整性承担责任。

未经许可，禁止商业用途。

如有疑问或建议，请联系作者。

感谢您的支持与尊重。

点击下方名片，加入IT技术核心学习团队。一起探索科技的未来，共同成长。

这篇好文章是转载于：学新通技术网