CUDA11.7/11.8下轻松安装PyTorch：三件套全攻略

CUDA11.7/11.8安装PyTorch三件套
一、介绍
在深度学习和机器学习中，PyTorch 是一个非常流行的开源框架，它为科学研究提供了灵活性。但是，要让 PyTorch 发挥最大的效能，我们通常需要安装相应的 CUDA 版本以支持 GPU 加速。本文将指导您如何在具有 CUDA11.7 或 CUDA11.8 的系统上安装 PyTorch 以及其关键组件。
二、安装环境
在开始之前，请确保您的系统满足以下要求：

• 操作系统：Windows 10 或 Linux
• Python：3.7 或更高版本
• CUDA11.7 或 CUDA11.8 已安装
• Anaconda 或 Miniconda
  三、安装步骤
  针对 CUDA 11.7 的 PyTorch 安装：

1. 安装 Anaconda/Miniconda：首先，您需要安装 Anaconda 或 Miniconda。这些是 Python 的分发版本，包括许多科学计算所需的包。您可以从官网下载和安装。
2. 配置环境：创建一个新的 conda 环境（我们将称其为 pytorch_env），并激活它。在终端中运行以下命令：

   conda create -n pytorch_env python=3.7
   conda activate pytorch_env

3. 安装依赖项：接下来，我们需要安装一些必要的依赖项。在激活的 conda 环境中运行以下命令：

   conda install -c pytorch fastai

4. 安装 PyTorch：现在我们可以安装 PyTorch。请注意，为了使用 CUDA 11.7，我们需要从 Torch 的 GitHub 存储库直接下载和编译。在终端中运行以下命令：

   git clone https://github.com/pytorch/pytorch.git pytorch_repo
   cd pytorch_repo/
   python setup.py install

5. 验证安装：最后，我们需要验证 PyTorch 是否正确安装并能够使用 CUDA 11.7。运行以下命令：

   import torch
   print(torch.cuda.get_device_properties(0))

   如果一切正常，您应该能够看到有关您的 GPU 的信息。
   针对 CUDA 11.8 的 PyTorch 安装：
   如果您使用的是 CUDA 11.8，安装过程大致相同，但有一些关键的差异。首先，您需要从 PyTorch 的 GitHub 存储库下载和编译适用于 CUDA 11.8 的版本。这通常意味着在 setup.py 文件中指定适当的 CUDA 版本和工具链版本。具体细节可以在 PyTorch 的 GitHub 存储库的 issue 和讨论部分中找到。在大多数情况下，这意味着在 setup.py 中更改 `高新版本依赖项的链接或添加其他构建标志。