Window下Python+CUDA+PyTorch怎么安装

发布时间：2021-11-23 18:05:23 作者：iii
来源：亿速云阅读：217

# Windows下Python+CUDA+PyTorch安装指南

本文将详细介绍在Windows系统上搭建Python+CUDA+PyTorch开发环境的完整流程，包含版本选择、安装步骤和常见问题解决方法。

## 一、环境准备

### 1. 硬件要求
- **NVIDIA显卡**：需支持CUDA（查看支持列表：[CUDA GPUs](https://developer.nvidia.com/cuda-gpus)）
- **显存**：建议4GB以上（深度学习模型需求）
- **磁盘空间**：至少10GB可用空间

### 2. 软件要求
| 组件         | 推荐版本          |
|--------------|-------------------|
| Windows      | 10/11 64位        |
| Python       | 3.8-3.10          |
| CUDA         | 11.7/11.8         |
| cuDNN        | 对应CUDA版本      |
| PyTorch      | 2.0+              |

## 二、安装步骤

### 1. 安装Python
1. 从[Python官网](https://www.python.org/downloads/)下载安装包
2. 安装时勾选 **"Add Python to PATH"**
3. 验证安装：
   ```cmd
   python --version
   pip --version

2. 安装CUDA Toolkit

查看显卡支持的CUDA版本：
```
nvidia-smi
```
从NVIDIA官网下载对应版本
选择自定义安装，确保勾选：
- CUDA
- Development Tools
- Driver components

配置环境变量（通常自动添加）：

CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
PATH中添加：%CUDA_PATH%\bin

3. 安装cuDNN

下载与CUDA匹配的cuDNN版本

解压后将文件复制到CUDA安装目录：


cudnn-windows-x86_64-8.x.x.x_cudaX.Y\bin   → CUDA\vX.Y\bin
cudnn-windows-x86_64-8.x.x.x_cudaX.Y\include → CUDA\vX.Y\include
cudnn-windows-x86_64-8.x.x.x_cudaX.Y\lib   → CUDA\vX.Y\lib

4. 安装PyTorch

通过官方命令安装（PyTorch官网获取最新命令）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证安装：

import torch
print(torch.__version__)            # 查看版本
print(torch.cuda.is_available())    # 应返回True

三、环境验证

1. 基础测试代码

import torch

# 设备检测
device = 'cuda' if torch.cuda.is_available() else 'cpu'
print(f"Using {device} device")

# 张量运算测试
x = torch.rand(5, 3).to(device)
y = torch.rand(5, 3).to(device)
z = x + y
print(z)

2. 性能基准测试

import timeit

# CPU测试
cpu_time = timeit.timeit(
    "torch.rand(1000,1000) @ torch.rand(1000,1000)",
    setup="import torch", number=100)

# GPU测试
gpu_time = timeit.timeit(
    "torch.rand(1000,1000).cuda() @ torch.rand(1000,1000).cuda()",
    setup="import torch", number=100)

print(f"CPU time: {cpu_time:.2f}s")
print(f"GPU time: {gpu_time:.2f}s")

四、常见问题解决

1. CUDA安装失败

错误现象：安装程序提示”Graphics Driver Failed”
解决方案：
1. 使用DDU工具彻底卸载旧驱动
2. 重新安装最新NVIDIA驱动

2. PyTorch无法识别CUDA

检查步骤：


import torch
print(torch.version.cuda)  # 应显示CUDA版本
print(torch.backends.cudnn.version())  # 检查cuDNN

解决方法：
1. 确保PyTorch版本与CUDA版本匹配
2. 重新安装对应版本的cuDNN

3. 显存不足错误

典型报错：CUDA out of memory
解决方案： “`python

减少batch size

batch_size = 32 → 16

# 使用梯度累积 for i, data in enumerate(dataloader): outputs = model(inputs) loss = criterion(outputs, labels) loss.backward()

  if (i+1) % 2 == 0:  # 每2个batch更新一次
      optimizer.step()
      optimizer.zero_grad()


## 五、优化建议

1. **版本选择策略**：
   - 生产环境：选择PyTorch LTS版本（如2.0）
   - 研究环境：使用最新版本获得新特性

2. **虚拟环境管理**：
   ```cmd
   python -m venv pytorch_env
   .\pytorch_env\Scripts\activate
   pip install --upgrade pip

开发工具推荐：
- IDE：VS Code + Python插件
- 调试工具：NVIDIA Nsight Systems
- 包管理：conda（可选）

六、完整卸载方法

卸载PyTorch：

pip uninstall torch torchvision torchaudio

卸载CUDA：
- 控制面板 → 程序和功能 → 卸载所有NVIDIA CUDA组件

清理残留文件：

C:\Program Files\NVIDIA GPU Computing Toolkit
C:\Program Files\NVIDIA Corporation

通过以上步骤，您应该已成功搭建Windows下的PyTorch GPU开发环境。如需进一步优化性能，可参考官方文档调整cuDNN和CUDA的配置参数。 “`

注：实际使用时请将图片链接替换为真实截图，命令中的CUDA版本号请根据实际情况调整。本文约1550字，包含技术细节和实用建议，适合中高级开发者参考。