Pytorch1.10安装记录（CUDA11.3）

Pytorch刚更新到1.10，今天就简单尝个鲜，之前在使用1.9中有很多的UserWarning，在新版本中都已经修复了（强迫者的福音），推荐使用。关于Pytorch1.10更新的内容，请登录Pytorch官网查看。

PyTorch官网：https://pytorch.org/

---

0 查询NVIDIA GPU算力（可跳过）

通过如下链接可以查询到NVIDIA显卡对应的算力，如果你的GPU型号不在表中，可能GPU太老，或者算力太低。
https://developer.nvidia.com/cuda-gpus#collapseOne

---

1 创建虚拟环境

在安装之间，强烈建议使用conda创建一个新的虚拟环境，这样就不会对你之前的环境照成影响。这里以创建torch1.10为例：

• 这里创建一个名为torch1.10的虚拟环境，python使用3.8的版本

conda create -n torch1.10 python=3.8

• 创建完成后，激活虚拟环境（注：后续的操作都是在该虚拟环境下进行）

conda activate torch1.10

---

2 在线安装（CPU/GPU）

首先进入PyTorch官网：https://pytorch.org/

---

2.1 安装CPU版本

接着选择对应的系统（Your OS）这里以Linux为例，安装方式（Package）这里以Pip为例，还有计算平台（安装CPU就选择CPU即可），接着在Run this Command中会提供对应的安装指令。

这里直接基于刚刚创建好的虚拟环境进行安装（注意：由于使用conda创建的虚拟环境这里直接用pip不用pip3），官方默认安装了torch、torchvision以及torchaudio三个包，假如你不需要使用torchaudio这个包，就把torchaudio==0.10.0+cpu指令删掉：

pip3 install torch==1.10.0+cpu torchvision==0.11.1+cpu torchaudio==0.10.0+cpu -f https://download.pytorch.org/whl/cpu/torch_stable.html

---

2.2 安装GPU版本

通过官方的提示可以看到，torch1.10GPU是支持CUDA10.2和CUDA11.3的，这里以CUDA11.3为例。

2.2.1 检查GPU驱动版本

首先在命令行输入nvidia-smi指令就能看到自己nvidia的驱动版本（前提是电脑上有装nvidia的驱动）。

然后在NVIDIA官网，看下CUDA版本以及GPU驱动的对应关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

通过上表可以发现，如果要使用CUDA11.3，那么需要将显卡的驱动更新至465.19.01或以上（Linux x86_64环境）。

2.2.2 更新GPU驱动

如果自己的驱动版本满足可跳过此步骤。由于我个人使用的是Centos系统，然后GPU的驱动是通过官方下载的驱动文件安装的，所以我就直接去NVIDIA官网下载最新驱动（如果你自己不是通过官方驱动文件安装的，比如UBuntu系统的apt源，那通过apt去更新即可）。下载驱动网址：
https://www.nvidia.cn/Download/index.aspx?lang=cn

选择自己的GPU类型、系列、家族、操作系统等等。然后CUDA Toolkit只要选择大于等于我们要安装的版本就行（注意这里不是要安装CUDA），比如我们后面是要安装CUDA11.3的，所以这里选11.4的就可以。

下载驱动文件后，进入命名行模式（因为要更新驱动，所以需要关闭系统桌面）。如果你还使用了VNC这种类似的服务也需要关闭掉，否则在安装过程中会报错：You appear to be running an X server; please exit X before installing...。详情可以查看/var/log/nvidia-installer.log，例如提示说1111这个进程需要关掉，那么自己手动kill掉就行了。

The file '/tmp/.X0-lock' exists and appears to contain the process ID '1111' of a runnning X server.

接着使用root用户或者sudo通过sh的方式安装即可，不再赘述（安装新驱动时会提示你是否要删除旧驱动，选择删除即可）。安装完成后重启下系统，然后在终端输入nvidia-smi指令看下驱动版本是否是自己安装的最新驱动即可。

2.2.3 安装Pytorch

接着选择对应的系统（Your OS）这里以Linux为例，安装方式（Package）这里以Pip为例，还有计算平台（CPU/GPU）这里以CUDA11.3为例，接着在Run this Command中会提供对应的安装指令。

这里直接基于刚刚创建好的虚拟环境进行安装（注意：由于使用conda创建的虚拟环境这里直接用pip不用pip3），官方默认安装了torch、torchvision以及torchaudio三个包，假如你不需要使用torchaudio这个包，就把torchaudio==0.10.0+cu113指令删掉：

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

通过以上指令会把Pytorch1.10以及需要的CUDA11.3全部安装好（不需要单独安装CUDA）。安装完成后，进入python环境，检查CUDA是否可用，调用torch.cuda.is_available()返回True说明CUDA环境可用。

---

3 离线安装（CPU/GPU）

有些时候，可能你的服务器无法连接外网，此时需要提前准备好需要安装的whl文件，那么我们这里就以torch和torchvision为例（注意安装torch前需要提前安装好numpy包）。刚刚我们在线安装时发现安装指令-f后有个网址，没错就是官方存放安装包的地址，所以我们可以直接去那里下载。

---

3.1 安装CPU版本

这里以Linux系统以及python3.8为例，我们打开网址：
https://download.pytorch.org/whl/cpu/torch_stable.html
检索下torch-1.10然后下载下面用红色框框住的文件：

同样检索下torchvision-0.11.1然后下载下面用红色框框住的文件：

我们在这里可以找到我们需要的torch-1.10.0+cpu-cp38-cp38-linux_x86_64.whl以及torchvision-0.10.1+cpu-cp38-cp38-linux_x86_64.whl两个文件即可。注意，cp38表示python3.8的编译环境，linux_x86_64表示x86的平台64位操作系统。下载完成后，我们将这两个文件传入你的离线主机（服务器）中。接着进入刚刚用conda创建好的虚拟环境后依次安装whl包：

pip install torch-1.10.0+cpu-cp38-cp38-linux_x86_64.whl

以及

pip install torchvision-0.11.1+cpu-cp38-cp38-linux_x86_64.whl

---

3.2 安装GPU版本

这里以Linux系统CUDA11.3以及python3.8为例，我们打开网址：
https://download.pytorch.org/whl/cu113/torch_stable.html
检索下torch-1.10.0然后下载下面用红色框框住的文件：

接着检索下torchvision-0.11.1然后下载下面用红色框框住的文件：

我们在这里可以找到我们需要的torch-1.10.0+cu113-cp38-cp38-linux_x86_64.whl以及torchvision-0.11.1+cu113-cp38-cp38-linux_x86_64.whl两个文件即可。注意，cu113代表CUDA11.3，cp38表示python3.8的编译环境，linux_x86_64表示x86的平台64位操作系统。下载完成后，我们将这两个文件传入你的离线主机（服务器）中。接着进入刚刚用conda创建好的虚拟环境后依次安装whl包：

pip install torch-1.10.0+cu113-cp38-cp38-linux_x86_64.whl

以及

pip install torchvision-0.11.1+cu113-cp38-cp38-linux_x86_64.whl