这篇文章介绍如何不使用conda等包管理系统在Windows系统上直接使用pip安装Pytorch和Torchvision。首先你需要有Python 3.6以上的64位环境（32位是不可以的哟！），并且假设你有NVIDIA显卡且已安装CUDA。


文章目录

  • 1. 查看CUDA版本
  • 2. 找到合适的Pytorch和Torchvision版本
  • (1) 找到Pytorch安装包
  • (2) 找到Torchvision安装包
  • (3) 下载安装包
  • 3. 测试是否安装成功


1. 查看CUDA版本

打开cmd，输入命令

nvidia-smi

得到输出如下：

pytorch可以代替torch吗 pytorch可以不用cuda吗_机器学习


看到我的CUDA版本是10.2。Pytorch为不同的CUDA版本提供了不同的安装包，应尽可能选择合适的版本。如果你的CUDA版本是12.0，（文章发布时）Pytorch并未提供对应的版本，则需要安装CUDA 11.8对应的版本。

根据https://discuss.pytorch.org/t/how-to-check-if-torch-uses-cudnn/21933/4，我们并不需要安装cuDNN，因为cuDNN已经被集成在Pytorch中了。但是如果从源码编译就需要安装cuDNN了。

2. 找到合适的Pytorch和Torchvision版本

打开https://download.pytorch.org/whl/torch_stable.html，可以看到一系列的文件列表。

(1) 找到Pytorch安装包

Pytorch的文件命名格式是：cu***/torch-*.**.*%2Bcu***-cp**-cp**m-win_amd64.whl。其中：

  • cu***是CUDA版本，如CUDA 10.2对应的是cu102。
  • torch-*.**.*是Pytorch版本，如Pytorch 1.10.2对应torch-1.10.2。你可以下载支持你环境的、尽量高的版本。
  • cp**是Python（准确来说是CPython）版本，如Python 3.6对应cp36。

因此，在我的电脑上（CUDA 10.2、Pytorch 1.10.2、Python 3.6 64-bit），我应该下载cu102/torch-1.10.2%2Bcu102-cp36-cp36m-win_amd64.whl。

(2) 找到Torchvision安装包

Pytorch版本和Torchvision版本之间有对应关系，可在https://pypi.org/project/torchvision/查看。

pytorch可以代替torch吗 pytorch可以不用cuda吗_python_02


查到Pytorch 1.10.2对应的Torchvision版本是0.11.3，所以在文件列表中找到cu102/torchvision-0.11.3%2Bcu102-cp36-cp36m-win_amd64.whl。你仍然需要将文件名中的CUDA、Torchvision和Python版本替换为你自己的版本。

(3) 下载安装包

将文件列表中的两个文件（我的是cu102/torch-1.10.2%2Bcu102-cp36-cp36m-win_amd64.whl和cu102/torchvision-0.11.3%2Bcu102-cp36-cp36m-win_amd64.whl）手动下载下来（可以使用Motrix、IDM等多线程下载器，文件大小是GB级的）。之所以不推荐pip直接安装，是因为用pip下载非常缓慢，容易抛出ConnectionError。

下载完成后，将文件名中的%2B替换成+。（这一步不做会报版本不支持的错误。）然后在下载文件夹打开cmd，输入命令

pip install torch-1.10.2+cu102-cp36-cp36m-win_amd64.whl torchvision-0.11.3+cu102-cp36-cp36m-win_amd64.whl

注意将文件名替换为你的文件名。耐心等待安装即可。

3. 测试是否安装成功

打开Python解释器，导入torch包，进行CUDA可用性和随机数生成测试。

c:\>python
Python 3.6.8 (tags/v3.6.8:3c6b436a57, Dec 24 2018, 00:16:47) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available() # 测试CUDA是否可用
True
>>> torch.rand(5, 3) # 随机生成5x3的张量
tensor([[0.8143, 0.6998, 0.7503],
        [0.8661, 0.7051, 0.9805],
        [0.4669, 0.1010, 0.6698],
        [0.4863, 0.7767, 0.8557],
        [0.9022, 0.4192, 0.4988]])

如果输出结果和上面的类似，说明安装成功。注意导入torch包需要一定时间。