2.2　安装PyTorch 2.0

Python运行环境调试完毕后，本节的重点就是安装本书的主角——PyTorch 2.0。

2.2.1　 NVIDIA 10/20/30/40系列显卡选择的GPU版本

目前市场上有NVIDIA 10/20/30/40系列显卡，对于需要调用专用编译器的PyTorch来说，不同的显卡需要安装不同的依赖计算包。笔者在此总结了不同显卡的PyTorch版本以及CUDA和cuDNN的对应关系，如表2-1所示。

注意：这里的区别主要在于显卡运算库CUDA与cuDNN的区别，当在20/30/40系列显卡上使用PyTorch时，可以安装CUDA11.6版本以上以及cuDNN8.1版本以上的计算包。

注意：由于本书使用PyTorch 2.0，因此要求读者的计算机配有20/30/40系列的显卡，用来顺利运行本书的示例代码。

下面以PyTorch 2.0为例，演示完整的CUDA和cuDNN的安装步骤，不同的版本的安装过程基本一致。

2.2.2　PyTorch 2.0 GPU NVIDIA运行库的安装

本小节讲解PyTorch 2.0 GPU版本的前置软件的安装。对于GPU版本的PyTorch来说，由于调用了NVIDIA显卡作为其代码运行的主要工具，因此额外需要NVIDIA提供的运行库作为运行基础。

我们选择PyTorch 2.0.1版本进行讲解。对于PyTorch 2.0的安装来说，最好的方法是根据官方提供的安装命令进行安装，具体参考官方文档https://pytorch.org/get-started/previous-versions/。从页面上可以看到，针对Windows版本的PyTorch 2.0.1，官方提供了几种安装模式，分别对应CUDA 11.7、CUDA 11.8和CPU only。使用conda安装的命令如下：

        # CUDA 11.7
        conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
    pytorch-cuda=11.7 -c pytorch -c nvidia
        # CUDA 11.8
        conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
    pytorch-cuda=11.8 -c pytorch -c nvidia
        # CPU Only
        conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 cpuonly -c
    pytorch

下面以CUDA 11.8+cuDNN 8.9为例讲解安装的方法。

（1）首先是CUDA的安装。在百度搜索CUDA 11.8 download，进入官方下载页面，选择适合的操作系统安装方式（推荐使用exe(local)本地化安装方式），如图2-14所示。

此时下载下来的是一个EXE文件，读者自行安装，不要修改其中的路径信息，完全使用默认路径安装即可。

（2）下载和安装对应的cuDNN文件。要下载cuDNN，需要先注册，相信读者可以很快完成，之后直接进入下载页面，如图2-15所示。

注意：不要选择错误的版本，一定要找到对应CUDA的版本号。另外，如果使用的是Windows 64位的操作系统，需要下载x86_64版本的cuDNN。

（3）下载的cuDNN是一个压缩文件，将它解压并把所有的目录复制到CUDA安装主目录中（直接覆盖原来的目录），CUDA安装主目录如图2-16所示。

（4）确认PATH环境变量，这里需要将CUDA的运行路径加载到环境变量的PATH路径中。安装CUDA时，安装向导能自动加入这个环境变量值，确认一下即可，如图2-17所示。

（5）最后完成PyTorch 2.0.1 GPU版本的安装，只需在终端窗口中执行本小节开始给出的PyTorch安装命令即可。

    # CUDA 11.8
    conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
    pytorch-cuda=11.8 -c pytorch -c nvidia

2.2.3　 Hello PyTorch

到这里我们已经完成了PyTorch 2.0的安装。下面使用PyTorch 2.0做一个小练习。打开CMD，依次输入如下命令，验证安装是否成功。

    import torch
    result = torch.tensor(1) + torch.tensor(2.0)
    result

结果如图2-18所示。

或者打开前面安装的PyCharm IDE，先新建一个项目，再新建一个hello_pytorch.py文件，输入如下代码：

    import torch
    result = torch.tensor(1) + torch.tensor(2.0)
    print(result)

最终结果请读者自行验证。