目录
一、Pytorch手动安装1.1、前提准备1.2、创建虚拟环境1.3、搜索Pytorch包1.4、选择下载符合配置的Pytorch包1.4、安装离线包
二、 torchvision手动安装2.1、查找对应的版本2.2、安装torchvision
对于深度学习新手和入门不久的同学来说，在安装PyTorch和torchvision 时经常会遇到各种各样的问题。这些问题可能包括但不限于：
PyTorch与CUDA对不上：当前PyTorch版本要求的CUDA版本与系统中已安装的CUDA版本不匹配时。PyTorch和Python版本对不上：所选择的PyTorch版本与系统中已安装的Python版本不兼容。安装的PyTorch无法适用操作系统： 当前PyTorch版本不支持系统中已安装的操作系统，比如操作系统为aarch64。安装的PyTorch总是CPU版本： 安装的PyTorch始终是CPU版本而非GPU版本，无法调用CUDA。安装PyTorch一直卡顿： 因为网络问题或者镜像问题导致下载速度慢，卡顿崩溃。
本文介绍一种手动离线安装Pytorch方法，不用再更改镜像，不用挂代理，适用于解决各种安装中的各种疑难杂症。
一、Pytorch手动安装
1.1、前提准备
要安装Pytorch首先你需要安装好对应你GPU型号的CUDA、CUDNN、Anaconda或Miniconda。 以上这些在网络上有很多现成的教程，这里不再赘述。
1.2、创建虚拟环境
在安装Pytorch之前，必须创建一个自己的虚拟环境，其可以帮助你管理项目的依赖项，避免与其他项目的依赖冲突，并提供一个干净的环境用于安装和运行PyTorch，这里选择新建一个python3.8的虚拟环境：
conda create --name py38 python=3.8
然后等待虚拟环境初始化安装完毕。
1.3、搜索Pytorch包
进入Anaconda官方网站：https://anaconda.org/ 在Search Packages栏输入pytorch搜索离线安装包，然后选择一个Favorites多的或者下载量多，这里推荐打开第一个pytorch官方源或者conda-forge源的，注意，如果操作系统内核为aarch64需要寻找后面Platforms带aarch64的：
打开后可以看到该包的详细信息，包括License、主页、下载量、最近更新，这里可以不用管，直接点击上方的Labels 进入文件的选择页面。
1.4、选择下载符合配置的Pytorch包
进入之后，会有很多包供选择，眼花缭乱，也包括了最新更新的2.x版本，这里可以选择版本号进行筛选，我们选择比较稳定的1.11.0版本： 然后根据我们本机的配置来选择相应的包，举个例子比如本机的配置为：
操作系统：常规Linux的64位系统Python版本：3.8CUDA版本：11.3CUDNN版本：8.2.0 那么就可以选择对应的版本=====》下载linux-64/pytorch-1.11.0-py3.7_cuda11.3_cudnn8.2.0_0.tar.bz2 这个.bz2包。 再举个例子，比如机器配置是：操作系统：Win-64Python版本：3.8CUDA版本：11.6
需要下载Pytorch1.13.0的，选择 win-64/pytorch-1.13.0-py3.8_cuda11.6_cudnn8_0.tar.bz2 注意事项1：不要下载名称中带cpu的包，其无法调用你的CUDA或者GPU 注意事项2：下载后缀为.tar.bz2的安装包最佳，.conda的包实测不太好用
1.4、安装离线包
下载好之后，将该.tar.bz2的安装包丢到conda的pkgs目录中，Anaconda3/pkgs/目录下，如果是Miniconda就丢到miniconda3/pkgs/下，如图所示： 然后cd到这个目录，输入相对应的指令进行安装：
conda install --use-local xxxx.tar.bz2(xxxx.tar.bz2是包的绝对路径)
如：conda install --use-local linux-64/pytorch-1.11.0-py3.7_cuda11.3_cudnn8.2.0_0.tar.bz2，等待片刻后，即可安装成功。
测试Pytorch是否安装成功和是否能够调用GPU，可以运行Python脚本：
import torch
if torch.cuda.is_available():
print("GPU is available") // 查看GPU设备是否可用
else:
print("GPU is not available")
print(torch.cuda.get_device_name(0)) // 查看GPU设备信息
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
x = torch.tensor([1, 2, 3])
x = x.to(device) // 在GPU上运行Tensor
二、 torchvision手动安装
2.1、查找对应的版本
torchvision需要和pytorch的版本对应才能正常使用，在官方git库中提供了这样的对应关系：https://github.com/pytorch/vision，往Readme下面翻就可以看到 这里展示部分对应关系：
torchtorchvisionPython2.20.17>=3.8, <=3.112.10.16>=3.8, <=3.112.00.15>=3.8, <=3.111.130.14>=3.7.2, <=3.101.120.13>=3.7, <=3.101.110.12>=3.7, <=3.101.100.11>=3.6, <=3.91.90.10>=3.6, <=3.91.80.9>=3.6, <=3.91.70.8>=3.6, <=3.91.60.7>=3.6, <=3.81.50.6>=3.5, <=3.81.40.5==2.7, >=3.5, <=3.81.30.4.2 / 0.4.3==2.7, >=3.5, <=3.71.20.4.1==2.7, >=3.5, <=3.71.10.3==2.7, >=3.5, <=3.7<=1.00.2==2.7, >=3.5, <=3.7
2.2、安装torchvision
找到对应版本后，以同样的方式搜索torchvision包，找到需要的.tar.bz2包进行下载 最后以同样的方式进行安装就ok啦，测试torchvision是否安装成功：
import torchvision
# 检查版本
print("torchvision 版本:", torchvision.__version__)
好文推荐
您阅读本篇文章共花了：
发表评论