Pytorch1.9 CPU/GPU（CUDA11.1）安装_综合

Pytorch刚更新到1.9，今天就简单的尝试了一下，发现之前1.8中的很多bug都已经修复了（之前torch1.8+CUDA11问题较多），推荐使用。

PyTorch官网：https://pytorch.org/

文章目录

查询NVIDIA GPU算力（可跳过）
创建虚拟环境
在线安装（CPU/GPU）
- 安装CPU版本
- 安装GPU版本
离线安装（CPU/GPU）
- 安装CPU版本
- 安装GPU版本

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

在这里插入图片描述

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torch1.9为例：

这里创建一个名为torch1.9的虚拟环境，python使用3.8的版本

conda create -n torch1.9 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 torch1.9

在线安装（CPU/GPU）

首先进入PyTorch官网：https://pytorch.org/

torch1.9

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。

torch1.9
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==0.9.0指令删掉：

pip install torch==1.9.0+cpu torchvision==0.10.0+cpu torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

安装GPU版本

通过官方的提示可以看到，torch1.9GPU是支持CUDA10.2和CUDA11.1的，这里以CUDA11.1为例。

检查GPU驱动版本
这里直接在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

cuda-driver 通过上表可以发现，如果要使用CUDA11.1，那么需要将显卡的驱动更新至455.23或以上（Linux x86_64环境）。关于如何更新GPU驱动，本文不做赘述。

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CUDA11.1为例，接着在Run this Command中会提供对应的安装指令。

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

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。

cuda

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最后有个网址，https://download.pytorch.org/whl/torch_stable.html，没错就是官方存放所有的安装包，所以我们可以直接去那里下载。

安装CPU版本

这里以Linux系统以及python3.8为例，下载下面用红色框框住的文件：

torch1.9
torchvision0.10.0
我们在这里可以找到我们需要的torch-1.9.0+cpu-cp38-cp38-linux_x86_64.whl以及torchvision-0.10.0+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-1.9.0+cpu-cp38-cp38-linux_x86_64.whl

以及

pip install torchvision-0.10.0+cpu-cp38-cp38-linux_x86_64.whl

安装GPU版本

这里以Linux系统CUDA11.1以及python3.8为例，下载下面用红色框框住的文件：

torch1.9

我们在这里可以找到我们需要的torch-1.9.0+cu111-cp38-cp38-linux_x86_64.whl以及torchvision-0.10.0+cu111-cp38-cp38-linux_x86_64.whl两个文件即可。注意，cu111代表CUDA11.1，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-1.9.0+cu111-cp38-cp38-linux_x86_64.whl

以及

pip install torchvision-0.10.0+cu111-cp38-cp38-linux_x86_64.whl