PyTorch GPU版本(Cuda12.1)安装教程

在Windows系统上安装PyTorch的GPU版本(Cuda12.1)：

1. 检查GPU兼容性：确保你的GPU与PyTorch和Cuda版本兼容。你可以查看PyTorch官网的硬件要求来确认。
2. 安装NVIDIA驱动程序：访问NVIDIA官网，下载并安装与你的GPU兼容的最新驱动。
3. 安装CUDA Toolkit：前往NVIDIA官网，下载并安装CUDA Toolkit 12.1。选择与你所使用的操作系统和GPU兼容的版本。
4. 配置环境变量：打开系统环境变量编辑器，将CUDA路径添加到PATH环境变量中。
5. 创建虚拟环境：使用你喜欢的虚拟环境工具（如conda或venv）创建一个新的虚拟环境。这将帮助隔离不同项目的依赖项。
6. 设置清华源：为了避免下载PyTorch时的速度问题，你可以设置清华大学的PyTorch镜像源。
7. 安装PyTorch：在虚拟环境中，使用pip或conda安装PyTorch的GPU版本。例如，使用pip安装：pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu121/torch_stable.html。
8. 验证安装是否成功：启动Python并尝试导入PyTorch，确保没有错误发生。

在Mac系统上安装PyTorch的GPU版本(Cuda12.1)：

1. 检查GPU兼容性：确保你的GPU与PyTorch和Cuda版本兼容。
2. 安装Xcode：打开App Store，搜索并安装Xcode。
3. 安装Homebrew：访问Homebrew官网，按照说明安装Homebrew。
4. 安装CUDA Toolkit：前往NVIDIA官网，下载并安装CUDA Toolkit 12.1。选择与你所使用的操作系统和GPU兼容的版本。
5. 创建虚拟环境：使用你喜欢的虚拟环境工具（如conda或venv）创建一个新的虚拟环境。
6. 设置清华源：为了避免下载PyTorch时的速度问题，你可以设置清华大学的PyTorch镜像源。
7. 安装PyTorch：在虚拟环境中，使用pip或conda安装PyTorch的GPU版本。例如，使用pip安装：pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu121/torch_stable.html。
8. 验证安装是否成功：启动Python并尝试导入PyTorch，确保没有错误发生。

在Linux系统上安装PyTorch的GPU版本(Cuda12.1)：

1. 检查GPU兼容性：确保你的GPU与PyTorch和Cuda版本兼容。
2. 安装NVIDIA驱动程序：访问NVIDIA官网，下载并安装与你的GPU兼容的最新驱动。
3. 安装CUDA Toolkit：前往NVIDIA官网，下载并安装CUDA Toolkit 12.1。选择与你所使用的操作系统和GPU兼容的版本。
4. 配置环境变量：打开终端，编辑你的bashrc或zshrc文件，添加CUDA路径到PATH环境变量中。例如，将export PATH=/usr/local/cuda-12.1/bin:$PATH添加到文件末尾，然后保存并关闭文件。
5. 创建虚拟环境：使用你喜欢的虚拟环境工具（如conda或venv）创建一个新的虚拟环境。这将帮助隔离不同项目的依赖项。
6. 设置清华源：为了避免下载PyTorch时的速度问题，你可以设置清华大学的PyTorch镜像源。
7. 安装PyTorch：在虚拟环境中，使用pip或conda安装PyTorch的GPU版本。例如，使用pip安装：pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu121/torch_stable.html。
8. 验证安装是否成功：启动Python并尝试导入PyTorch，确保没有错误发生。