6.3 GPU环境下PyTorch安装

这个小节我们来配置GPU环境下的PyTorch开发环境。使用GPU训练深度学习的模型，性能会有大幅提升。这都得益于GPU的高并行计算。后边我们会详细讲解其内部原理。

从环境配置角度来看，需要配置CUDA和cuDNN。

CUDA

CUDA(Compute Unified Device Architecture)是英伟达推出的一套可以利用GPU高性能并行计算的框架和编程模型。它深度结合硬件架构，并抽象出编程模型，方便程序开发利用GPU性能。

cuDNN

cuDNN(CUDA Deep Neural Network library)是利用CUDA开发的一个深度学习的库，专门实现了一些深度学习专用的算子，比如卷积，池化，激活函数等。让深度学习可以贴合硬件，进行更高效的训练和推理。

CUDA和cuDNN并不需要你手动下载和安装。你只要确定了CUDA的版本，一行命令就可以配置成功。下边我们进入具体的安装。

6.2.1 Anaconda安装

Anaconda 是一个非常流行的 Python 开发平台，它的核心功能是提供虚拟环境隔离和包管理。通过 Anaconda，你可以在一台电脑上轻松创建多个独立的 Python 开发环境，每个环境可以配置不同的 Python 版本和依赖库，互不干扰。

你可以去这个地址下载最新的Anaconda安装包。

下载后进行安装，需要注意的是安装路径中不能包含空格。

6.3.2 在Anaconda中创建一个环境

运行完成后在开始菜单中搜索并打开Anaconda Prompt

因为下载包要访问国外网站，网速不稳定，我们首先添加国内源。这里以添加清华源为例，运行以下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda 默认有一个环境，叫做base。我们需要创建一个自己的开发环境，创建环境的命令格式如下：

conda create --name 环境名称 python=3.9

你可以通过上边的命令创建一个新的开发环境，并指定环境名称和python版本。比如我要创建一个名叫做pytorch的环境，那么我的命令就为

conda create --name pytorch python=3.9

删除一个环境的命令为：

conda remove --name 环境名称 --all

列出所有环境的命令为：

conda env list

6.3.3 切换到你创建的环境

进入Anaconda Prompt，你默认的环境是base，需要通过命令切换到你新创建的环境中去。

conda activate 环境名称

比如，以我新创建的环境pytorch为例：

切换后，你可以看到括号里的环境名发生变化。

6.3.4 检查CUDA版本

如果你机器上有英伟达的显卡，并且正确安装了显卡驱动。你可以在命令行里输入如下命令，查看该显卡支持的最高CUDA版本。

nvidia-smi

比如我这个机器上是3090显卡，它当前驱动支持的最高CUDA版本为12.6

6.3.5 安装pytorch

可以到这个地址查看pytorch的安装命令。

这里注意，选择的CUDA版本不能大于上边我们确认的硬件驱动支持的最高版本。比如上边我机器最高支持到12.6，这里我就选择最接近的12.4版本。

如果这里支持的CUDA版本都大于你显卡驱动支持的最高CUDA版本，说明你的显卡驱动太旧了，你可以安装最新的显卡驱动。

注意！复制命令的时候，不要后边的 -c pytorch，但是保留-c nvidia。因为我们刚才已经配置了从国内的下载通道下载pytorch。这里的-c pytorch是从官方pytorch通道下载，可能会因为网速太慢而导致失败。其中-c 是指定下载channel的参数。nvidia的通道下载速度还可以，并且清华源里没有找到对应的通道，所以我们保留。

所以我们运行下边的命令来安装pytorch：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c nvidia

注意，请根据你实际情况设置cuda的版本。

6.3.6 安装Jupyter Notebook

Jupyter Notebook 是一个开源的交互式开发环境，广泛用于人工智能领域。它的核心特点是支持代码、文本、图像和可视化内容的混合展示，使得开发和分析过程更加直观和高效。

安装Jupyter Notebook的命令如下：

conda install notebook

安装完成后，可以通过如下命令启动Jupyter Notebook

jupyter notebook

运行成功后，你会看到输出的最后有这么一段话：

    Or copy and paste one of these URLs:
        http://localhost:8888/tree?token=0cff3c6567de958731d2607e609f50d8cc8d99d589c4a59f
        http://127.0.0.1:8888/tree?token=0cff3c6567de958731d2607e609f50d8cc8d99d589c4a59f

注意，你需要复制你自己命令行里的地址，并用浏览器打开。

6.3.7 验证环境

进入notebook页面后，像上边图片中那样打开一个新的notebook文件页面。然后输入如下代码：

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.version())

然后按下ctrl+enter键。如果你看到输出为True和cuDNN的版本号，那证明你已经安装成功了。

恭喜你，你已经配置好了你的PyTorch环境。

GPU环境下的PyTorch安装