当前位置：首页 > news >正文

【CUDA】【PyTorch】安装 PyTorch 与 CUDA 11.1 的详细步骤

news 2025/12/1 8:18:38

详细步骤

- - - 一、前提条件
    - 二、检查 CUDA 安装
    - 三、安装 PyTorch
    - 四、验证安装
    - 五、常见问题和解决方案
    - 六、总结

在使用深度学习框架时，确保正确配置 CUDA 与 PyTorch 版本是至关重要的。如果你需要在系统上安装与 CUDA 11.1 兼容的 PyTorch，下面的指南将帮助你完成这个过程。

亲测可行。

一、前提条件

系统要求：
- 操作系统：Linux、Windows 或 macOS（macOS 可能需要额外的配置）
- CUDA 驱动程序和工具包版本：CUDA 11.1
安装 CUDA 11.1：
- 下载和安装 CUDA 11.1 从 NVIDIA CUDA Toolkit 下载页面。
- 按照页面上的说明进行安装，并确保 CUDA 路径已添加到环境变量中。
安装 NVIDIA 驱动程序：
- 确保安装了兼容 CUDA 11.1 的 NVIDIA 驱动程序。

二、检查 CUDA 安装

确认 CUDA 11.1 安装是否成功。运行以下命令来检查 CUDA 版本：

nvcc --version

你应该看到类似以下的输出，其中包含 CUDA 11.1 的版本信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Sun_Oct_25_20:10:16_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74

三、安装 PyTorch

要安装与 CUDA 11.1 兼容的 PyTorch 版本，你可以使用 PyTorch 的官方安装指南来确保兼容性。以下是详细步骤：

选择安装方式：
- 使用 Conda（推荐）：简单且自动处理依赖关系。
- 使用 pip：如果你喜欢使用 pip，也可以通过 pip 安装 PyTorch。
使用 Conda 安装 PyTorch

如果你使用 Conda，你可以使用以下命令来安装 PyTorch 与 CUDA 11.1：
```
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch
```
- pytorch：PyTorch 框架
- torchvision：图像处理工具
- torchaudio：音频处理工具
- cudatoolkit=11.1：指定 CUDA 版本
- -c pytorch：使用 PyTorch 官方 Conda 频道
使用 pip 安装 PyTorch

如果你使用 pip，可以通过以下命令安装 PyTorch 与 CUDA 11.1 兼容的版本：
```
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0+cu111 -f https://download.pytorch.org/whl/cu111/torch_stable.html
```
这里的 torch==1.8.0+cu111 指定了与 CUDA 11.1 兼容的 PyTorch 版本。如果有新的 PyTorch 版本发布，你可以在 PyTorch 官方网站上找到最新的安装命令。

四、验证安装

安装完成后，你可以使用以下 Python 脚本来验证 PyTorch 是否正确安装并且 CUDA 支持正常：

import torchprint(f"PyTorch Version: {torch.__version__}")
print(f"CUDA Version: {torch.version.cuda}")
print(f"Is CUDA Available: {torch.cuda.is_available()}")if torch.cuda.is_available():print(f"Number of GPUs: {torch.cuda.device_count()}")for i in range(torch.cuda.device_count()):print(f"GPU {i}: {torch.cuda.get_device_name(i)}")print(f"  Memory Allocated: {torch.cuda.memory_allocated(i) / (1024 ** 2):.2f} MB")print(f"  Memory Cached: {torch.cuda.memory_reserved(i) / (1024 ** 2):.2f} MB")

运行上述脚本后，你应该看到 PyTorch 的版本信息、CUDA 版本，以及 GPU 是否可用的详细信息。

五、常见问题和解决方案

CUDA 版本不匹配：
- 确保安装的 PyTorch 版本与系统上的 CUDA 版本一致。如果不一致，请检查 PyTorch 官网以获取正确的安装命令。
CUDA 驱动程序问题：
- 确保安装了正确的 NVIDIA 驱动程序，驱动程序版本应支持 CUDA 11.1。
环境变量设置：
- 确保 CUDA 路径（通常是 /usr/local/cuda 或 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）已正确设置在环境变量中。