笔记本电脑（win11+3060+conda）安装PyTorch踩坑记录

• 简而言之，先看你的显卡，打开CMD，输入nvidia-smi，右上角有一个CUDA:XX.X表示当前显卡及当前驱动支持的最高版本CUDA。输入nvidia-smi -q 可以看到显卡架构（或者直接去Nvidia官网找你的显卡）。再打开这个连接，查看你显卡架构支持的最低版本CUDA。从中选择一个cuda版本

• torch是自带了cudnn（就是cuda toolkit的）

• 然后如果想使用GPU，那么请到这里去找到你选的版本（如CUDA11.1就搜索cu111），就可以检索出你能安装的所有版本torch，再查找你的python版本，按照这个找到你可以安装的torch（或者升级/降级你的python以适配你想要的torch版本）依据torch官网的语句或者修改这段代码

  如果不想折腾，且认为自己需要最新适配版，请直接使用pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cuxxx并将xxx替换为你自己的

  注意：首选pip安装，因为conda安装还会改变部分库的引用方式（比如torch.data变成torch.utils.data）

  pip install torch==1.8.1+cu113 torchvision==0.9.1+cu113 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
  ​
  conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge

  改成清华源也行。-c xxxxx是通道选择，实际上是在指定下载源使用conda会先解析你的环境然后卡住好久并且占用大量的CPU和内存，以至于你会感觉它说是不是坏了（实际上没有），结束后也有几率为你安装不是你想要的版本，所以首先选择pip（pip3）

  正常情况下只会为你安装torch的四个包（哪四个我忘了，除了命令里的三个还有一个）

  如果你选择的版本不匹配（必须是对应的），使用pip将会看到：

  ERROR: Could not find a version that satisfies the requirement torch==1.8.1+cu113 (from versions: 1.4.0, 1.4.0+cpu, 1.4.0+cu92, 1.5.0, 1.5.0+cpu, 1.5.0+cu101, 1.5.0+cu92, 1.5.1, 1.5.1+cpu, ...)
  ERROR: No matching distribution found for torch==1.8.1+cu113

  使用conda（即使版本正确）会帮你安装带了cpuonly这一个包和你要求的cudatoolkit版本，和你要求的torch系列版本，以及一大堆奇怪的文件。然而是CPU版，它并不能在GPU上跑。

  The following packages will be downloaded:
  ​
      package                    |            build
      ---------------------------|-----------------
      *
      cpuonly-1.0                |                0           2 KB  pytorch
      cudatoolkit-11.3.1         |      h280eb24_10       820.8 MB  conda-forge
      *
      numpy-1.23.2               |   py38h223ccf5_0         6.3 MB  conda-forge
      *
      python_abi-3.8             |           2_cp38           4 KB  conda-forge
      pytorch-1.8.1              |      py3.8_cpu_0       160.4 MB  pytorch
      tbb-2021.5.0               |       h2d74725_1         148 KB  conda-forge
      torchaudio-0.8.1           |             py38         2.7 MB  pytorch
      torchvision-0.9.1          |         py38_cpu         6.7 MB  pytorch
      typing_extensions-4.9.0    |     pyha770c72_0          35 KB  conda-forge
      zlib-1.2.12                |       h8ffe710_2         112 KB  conda-forge
      ------------------------------------------------------------
                                             Total:        1.14 GB

• torch版本不是越高越好。

• 此外，某些你copy的程序是依赖于低版本torch运行的（如1.4.0），这意味着这些有特殊依赖的永远无法在你的机器上以GPU运行。不过它仍然可以用CPU版本的torch跑。（例如torchtext库和torch的版本严格对应，torch=1.8.0意味着只能选择torchtext=0.9.0，而此版本的torchtext中已经将Field等方法移到了torchtext.legacy而不是torchtext下，甚至在torchtext=0.12.0中彻底删除了这些方法，这意味着你将无法在torch>=0.11.0之后调用这些方法）。如果你试图直接下载源文件（即Field.py之类），会产生更多不可预料的问题。

• 特别注意，安装版本的某些依赖包不成功，或者成功安装与当前torch不匹配的版本，pip会为你自动安装对应的CPU版本torch，并且不经过你同意。这会导致环境被降级到CPU类型（污染），需要重装操作。

• 你不应该把CPU版本的Torch和GPU版本的安装在同一个conda环境里。但是你可以安装多个CUDA（比如分别安装在D:/Code/CUDA/11.1 和D:/Code/CUDA/11.7），然后在不同的conda环境中安装不同的torch。他们不会相互干扰

• 如果你想卸载torch，如果你的环境刚安装不久没有太多依赖，请直接--all删除环境，重新配。如果环境依赖比较多，而你要卸载CPU版torch（这个我没什么好办法）。如果要卸载GPU版，请依次卸载torch torchvision torchaudio并且卸载cpuonly，然后记得在确保安全（并且知道这两个命令的含义）的前提下使用

  conda clean -a
  pip cache purge

  或者其他的什么作用类似的代码

• 至于同一环境中同时安装tensorflow，torch和mindspore，似乎用处不是特别大，当她们依赖的库（例如numpy和matplotlib）版本不一样时会产生意想不到的冲突（污染）。所以如非必要（比如你要建立一个在线编程网站供使用者随时调用，那么请仔细选择版本。当然绝大多数情况下没人会在一个小项目里同时使用tf和torch），不用同时安装。

• 这段引用文字不需要看

• python版本

• GPU驱动版本、支持cuda版本和算力

• torch版本

  • 第五步：RTX 3060配置CUDA和cuDNN、安装PyTorch_3060 cuda-CSDN博客

• 注意，

• tensorflow版本

  • tensorflow1.x只能在cuda10.0及之前的显卡驱动上运行。

  • GeForce RTX 30系显卡目前是支持CUDA 11.1及以上版本，而Tensorflow 2.4及更高版本才支持CUDA 11。

  • RTX3060显卡只能装CUDA 11，对应 tensorflow只能是2.4以上才可以。

  • win11_3060显卡配置深度学习环境tensorflow-gpu2.4.0（CUDA 11.0,cuDNN 8.0,python3.8.17）

  • TensorFlow-GPU和Keras-GPU安装，显卡、cuda、cudnn版本匹配问题（vs code远程连接服务器）_tensorflow匹配-CSDN博客 这里有张显卡架构、算力和CUDA版本支持的问题