在 Python 中同时安装 CPU 和 GPU 版本的 PyTorch

作为一名开发者，了解如何在 Python 中同时安装 CPU 和 GPU 版本的 PyTorch 是一项重要技能。这不仅可以帮助你在低性能设备上进行开发，还可以在高性能设备上加速模型训练。但是，很多初学者在进行安装时可能会感到困惑。本文将逐步教您如何实现这一目标。

流程概述

为了更好地理解整个安装流程，我们将其分解为几个步骤，如下所示：

| 步骤 | 描述                                    |
|------|-----------------------------------------|
| 1    | 安装 Anaconda（或 Miniconda）           |
| 2    | 创建一个新的 Python 环境                |
| 3    | 安装 CPU 版本的 PyTorch                  |
| 4    | 安装 GPU 版本的 PyTorch                  |
| 5    | 选择使用哪个版本（CPU 或 GPU）           |

流程图

以下是用 Mermaid 语法构建的流程图，展示了整个安装过程的步骤和顺序。

flowchart TD
  A[开始] --> B[安装 Anaconda / Miniconda]
  B --> C[创建新的 Python 环境]
  C --> D[安装 CPU 版本的 PyTorch]
  D --> E[安装 GPU 版本的 PyTorch]
  E --> F[选择使用哪个版本]
  F --> G[结束]

各步骤详细解读

步骤 1：安装 Anaconda（或 Miniconda）

首先，您需要安装 Anaconda 或 Miniconda。前者是一个较大的科学计算包，后者则更加轻量。访问 [Anaconda 官方网站]( 下载并安装。

步骤 2：创建一个新的 Python 环境

安装完成后，你可以创建一个新的 Python 环境，在其中操作以避免包冲突。

# 创建一个新的环境，命名为 pytorch_env
conda create -n pytorch_env python=3.9

这条命令创建了一个名为 pytorch_env 的环境，并指定 Python 版本为 3.9。

步骤 3：安装 CPU 版本的 PyTorch

在创建的环境中，您可以首先安装 CPU 版本的 PyTorch。使用以下命令打开命令提示符并激活新环境：

# 激活新环境
conda activate pytorch_env

# 安装 CPU 版本的 PyTorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch

这条命令会从 PyTorch 官方频道安装只支持 CPU 的 PyTorch。

步骤 4：安装 GPU 版本的 PyTorch

安装完 CPU 版本后，您可以再次安装 GPU 版本的 PyTorch。确保您拥有正确且兼容的 CUDA 版本。例如，如果您希望安装针对 CUDA 11.7 的 PyTorch，可以使用以下命令：

# 安装 GPU 版本的 PyTorch（需根据具体 CUDA 版本选择）
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

这条命令将安装支持 CUDA 11.7 的 GPU 版本的 PyTorch。

步骤 5：选择使用哪个版本（CPU 或 GPU）

要在您的代码中使用哪个版本，可以在代码中简单地测试您的 PyTorch 是否已正确安装并具备 GPU 功能。可以使用以下 Python 代码：

import torch

# 检查是否可用 GPU
if torch.cuda.is_available():
    print("GPU is available")
else:
    print("Using CPU instead")

这段代码检查系统中是否有可用的 GPU，如果有则输出 "GPU is available"，否则输出 "Using CPU instead"。

结尾

通过遵循以上步骤，您可以在 Python 环境中同时安装 CPU 和 GPU 版本的 PyTorch。这为您的深度学习项目提供了很大的灵活性。希望这篇文章能够帮助到您，在未来的工作中游刃有余地运用 PyTorch 进行高效的深度学习开发。如果您在安装过程中遇到任何问题，欢迎随时询问。祝您编程愉快！