在Windows系统上使用conda安装PyTorch（GPU版本）是一个相对简单的过程，但需要确认各个组件之间的兼容性。以下是一个全面的安装教程，帮助你轻松解决安装CPU而不是GPU版本的问题。
一、准备工作
在开始之前，请确保已安装Anaconda或Miniconda。你可以从Anaconda官网下载并安装。
二、检查CUDA和cuDNN
首先，确认你的GPU支持CUDA，并安装适当版本的CUDA Toolkit。你可以访问NVIDIA的CUDA Toolkit Documentation 查看支持的CUDA版本。接下来，可以在NVIDIA官网查找你的GPU型号及其支持的CUDA版本。
三、创建新环境
为了避免包的冲突，建议在conda中创建一个新的虚拟环境。打开命令提示符，运行以下命令：
conda create -n pytorch-gpu python=3.8
这里选择Python 3.8作为例子，你也可以选择其他版本，如3.9或3.10。创建完成后，激活环境：
conda activate pytorch-gpu
四、安装PyTorch
在安装PyTorch之前，你需要知道CUDA的具体版本。使用以下命令检测当前的CUDA版本：
nvcc --version
或者运行以下PowerShell命令来确认CUDA的版本：
Get-Package -Name CUDA
接下来，根据CUDA版本选择相应的PyTorch安装命令。可以访问PyTorch官网安装页面获取最新的安装命令。
以下命令假设你使用的是CUDA 11.6：
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch
如果你使用的是其他版本的CUDA（例如10.2），请确保修改cudatoolkit的版本号。
五、验证安装
安装完成后，打开Python命令行验证PyTorch是否能正确识别GPU。运行以下代码：
import torch
print(torch.__version__) # 输出PyTorch版本
print(torch.cuda.is_available()) # 返回True表示GPU可用
print(torch.cuda.current_device()) # 显示当前设备ID
print(torch.cuda.get_device_name(0)) # 打印GPU名称
如果上述代码返回True，则说明PyTorch成功检测到了你的GPU，安装成功。
六、解决常见问题
- 安装CPU版本而非GPU版本：
- 确保运行的安装命令中包含
cudatoolkit，并且版本正确。 - 无法识别GPU：
- 确认GPU驱动程序和CUDA Toolkit的兼容性。如果驱动程序过旧，请更新。
- 确保选择的CUDA版本与PyTorch相对应。
七、总结
通过以上步骤，你应该能够在Windows上成功安装PyTorch的GPU版本。牢记，conda提供的环境隔离功能可帮助避免依赖问题，因此每次新项目时创建独立的环境是最佳实践。
希望这个安装教程对你有所帮助，祝你在使用PyTorch的过程中顺利愉快！如果在安装过程中遇到任何其他问题，请参考官方文档或者社区支持来获得更多帮助。
