2.2.2　PyTorch 2.0 GPU Nvidia運行庫的安裝——以CUDA 11.7+cuDNN 8.2.0為例

從CPU版本的PyTorch開始深度學習之旅完全是可以的，但不是作者推薦的方式。相對于GPU版本的PyTorch來說，在運行速度方面CPU版本存在著極大的劣勢，很有可能會讓讀者的深度學習止步于前。

如果讀者的電腦不支持GPU，可以直接使用PyTorch 2.0 CPU版本的安裝命令：

    pip install numpy --pre torch torchvision torchaudio --force-reinstall
--extra-index-url https://download.pytorch.org/whl/nightly/cpu

如果讀者的電腦支持GPU，則繼續下面本小節的重頭戲，PyTorch 2.0 GPU版本的前置軟件的安裝。對于GPU版本的PyTorch來說，由于調用了NVIDA顯卡作為其代碼運行的主要工具，因此額外需要NVIDA提供的運行庫作為運行基礎。

對于PyTorch 2.0的安裝來說，最好根據官方提供的安裝代碼進行安裝，如圖2-17所示。在這里PyTorch官方提供了兩種安裝模式，分別對應CUDA 11.7與CUDA 11.8。

圖2-17　PyTorch官網提供的配置信息

從圖中可以看到，這里提供了兩種不同的CUDA版本的安裝，作者經過測試，無論是使用CUDA 11.7還是CUDA 11.8，在PyTorch 2.0的程序編寫上沒有顯著的區別，因此讀者可以根據安裝配置自行選擇。下面以CUDA 11.7為例講解安裝的方法。

（1）CUDA的安裝。在百度搜索CUDA 11.7 download，進入官方下載頁面，選擇合適的操作系統安裝方式（推薦使用local本地化安裝方式），如圖2-18所示。

圖2-18　CUDA下載頁面

此時下載的是一個.exe文件，讀者自行安裝，不要修改其中的路徑信息，使用默認路徑安裝即可。

（2）下載和安裝對應的cuDNN文件。cuDNN的下載需要先注冊一個用戶，相信讀者可以很快完成，之后直接進入下載頁面，如圖2-19所示。注意：不要選擇錯誤的版本，一定要找到對應的版本號，另外，如果使用的是Windows 64位的操作系統，那么直接下載x86版本的cuDNN即可。

圖2-19　cuDNN下載頁面

下載的cuDNN是一個壓縮文件，將其解壓到CUDA安裝目錄，如圖2-20所示。

圖2-20　解壓cuDNN文件

（3）配置環境變量，這里需要將CUDA的運行路徑加到環境變量Path的值中，如圖2-21所示。如果cuDNN是使用.exe文件安裝的，那這個環境變量自動就配置好了，讀者只要驗證一下即可。

圖2-21　配置環境變量

（4）安裝PyTorch及相關軟件。從圖2-17可以看到，對應CUDA 11.7的安裝命令如下：

    conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c
nvidia

如果讀者直接安裝Python，沒有按2.1.1節安裝Miniconda，則PyTorch安裝命令如下：

    pip3 install torch torchvision torchaudio --index-url
https://download.pytorch.org/whl/cu117

完成PyTorch 2.0 GPU版本的安裝后，接下來驗證一下PyTorch是否安裝成功。