Pytorch 安装[最佳方案][全网最详细]

网络上的 Pytorch 教程往往只写操作步骤，而不告诉你为什么这么操作。并且 Pytorch 的版本也是一直在迭代更新的，这就导致很多教程都会出现时效问题。所以，本篇文章的目的就是彻底“教会”你如何安装 Pytorch，从细节和原理上告诉你为什么这么做，让你理解每一步操作的原因。我相信你看完本文章之后，一定会对你有所收获。

前置说明：
本文不介绍任何有关 Anaconda 的内容，因为 Anaconda 只是 Python 的包管理工具，其本身和安装 Pytorch 没有任何关系。所以，如果你希望使用 Anaconda，请自行学习 Anaconda 的使用方法，本文章只专注于帮助你理解 Pytorch 的安装过程。
当然，如果你非常希望使用 Anaconda，你也可以先看本篇文章，之后再学习 Anaconda 的使用方法。如果你看懂了本篇文章，那么你再看其他教程便会变得“如鱼得水”一般。

一、安装 CPU 版 Pytorch

为什么要说这一部分，大抵是为了文章的结构完整性吧！因为安装 CPU 版 Pytorch 基本没有什么难度，就和正常安装 Python 的其他包是一样的。你只需要运行以下命令即可：

1	`pip3 install torch torchvision torchaudio`

实际命令可能有变动，具体安装命令请见官网：

二、安装 GPU 版 Pytorch

2.1 确定需要安装的 CUDA 版本

在正式安装 CUDA 之前你需要做两件事情，以此来确定你需要下载哪个版本的 CUDA：

检查你的 NVIDIA 显卡驱动支持的 CUDA 版本。
- 首先打开 CMD 窗口，输入命令：nvidia-smi。
- 检查输出中的关键字 CUDA Version。需要说明一下的是，这里显示的是当前显卡驱动所支持的最大 CUDA 版本，而不是你的 CUDA 版本。
检查当前 Pytorch 支持的 CUDA 版本。

检查完成后，我们需要确保 NVIDIA 显卡驱动支持的最大 CUDA 版本包含你需要的 Pytorch 支持的 CUDA 版本。以上图为例，我们的 NVIDIA 显卡驱动支持的最大 CUDA 版本为 12.7，而 Pytorch 支持的 CUDA 版本分别为 11.8、12.1 和 12.4，那么这三个版本我们就都可以安装（因为 12.7 > 12.4 > 12.1 > 11.8）。

如果“NVIDIA 显卡驱动支持的最大 CUDA 版本”过低，比如在该例子中小于 11.8 的话，那你最好升级一下你的显卡驱动：NVIDIA GeForce 驱动程序官网。

一般可以安装更高版本的 CUDA，那肯定是安装更高版本的，所以后面的演示都以 12.4 版本的 CUDA 为例。

2.2 安装 CUDA 及 cuDNN

当确定要安装的 CUDA 版本后（这里我选择的是 CUDA 12.4），我们需要：

去CUDA Toolkit 官网下载对应的 CUDA 工具包并安装。
去cuDNN 官网下载对应的 cuDNN 并安装。

CUDA Toolkit 的安装过程中的几个要点我简单说一下：

这个目录是解压缓存目录，并不是 CUDA 的安装目录，就使用默认的即可：
这里一定要选择“自定义”安装：
这里如果你是第一次安装那么最好全选，如果不是那么只需要勾选这个 CUDA 选项即可，否则可能会出现问题：
这里这个组件是关于 Visual Studio 的，如果不需要可以不选（建议选上）：

关于 cuDNN 的安装，在较高版本（v9.x）中可以像安装软件一样直接安装（注意的是在较高版本你也可以选择压缩包式安装，但是并不推荐，其对应的选项为 Tarball 安装）（同样需要说明的是这里的 cuDNN for CUDA cuda 12.6 表示的是支持 12.x 系列并最高支持到 12.6，这一点在官网的文档（cuDNN 版本对应表）中有所指示）：

但是较低版本（v8.x）中，你下载下来的可能是一个压缩包。如果你下载下来的是一个压缩包，那你就需要自己手动复制关键文件到指定的目录中实现安装（官方的 Tarball 安装教程）：

解压安装包：
复制文件到 CUDA 的根目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4 中（这里的路径根据你安装 CUDA 的实际目录调整 | 注意对应的版本号）。
将 NVIDIA cuDNN 的 bin 目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin 添加到环境变量中（环境变量设置的打开方式：设置 > 系统 > 关于 > 高级系统设置 > 环境变量 > XX的用户变量的 Path | 系统变量的 Path）。
（根据需求选择）如果你需要将 cuDNN 配置到你的 Visual Studio 项目中，你需要：
- 打开 Visual Studio 项目，在解决方案资源管理器中右键单击项目名称，然后选择属性。
- 单击“VC++ 目录”并将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include 追加到“包含目录”字段。
- 单击“链接器”>“常规”并将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib\x64 追加到“附加库目录”字段。
- 单击“链接器”>“输入”并将 cudnn.lib 追加到“附加依赖项”字段，然后单击“确定”。