CUDA和torch的安装

如何判断自己应该下载什么版本的cuda

win+r打开控制台

图中我们可以得到nvidia的驱动版本和GPU支持的最高cuda版本。
网站：

CUDA Toolkit Archive | NVIDIA Developer

进来后我们选择对应的版本即可

cuda安装
 

然后选择自定义安装

我们一定要取消Visual Studio Integration的勾选，不然安装就会报错。

然后一直点下一步等待安装完成就行。

验证是否安装成功
打开控制台输入nvcc -V
如果能够成功输出cuda的版本就说明我们对应的cuda安装成功了

torch的安装

由于的torch这个第三方库太大了，想要通过pip来安装对于我们网络要求太高了。所以我们就提前下载好对应的本地文件来实现安装。

来到torch官网，在下方选择自己对应的版本。

如图我们就能获取对应的一个网站
https://download.pytorch.org/whl/cu126

在这里选择我们想要下载的torch版本，有+cpu代表是无GPU的电脑下载的，cp后面的数字
代表我们的python版本，最后是我们的Windows版本或是linux版本。

pip install torch-2.4.0+cu121-cp310-cp310-win_amd64.whl

只需等待安装完成即可。

第一个torch程序

import torch
print(torch.__version__)from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensortraining_data = datasets.MNIST(root='data',train=True,download=True,transform=ToTensor(),
)test_data = datasets.MNIST(root='data',train=False,download=True,transform=ToTensor(),
)
print(len(training_data))from matplotlib import pyplot as plt
fig = plt.figure()
for i in range(9):img,label= training_data[i+50000]fig.add_subplot(3,3,i+1)plt.title(label)plt.axis("off")plt.imshow(img.squeeze(),cmap="gray")a = img.squeeze()
plt.show()

# 加载训练数据集
training_data = datasets.MNIST(root='data',  # 数据存储目录train=True,   # 表示这是训练集download=True,# 如果本地没有数据则自动下载transform=ToTensor(),  # 将图像转换为Tensor格式
)# 加载测试数据集
test_data = datasets.MNIST(root='data',train=False,  # 表示这是测试集download=True,transform=ToTensor(),
)

NumPy 数组：
仅支持在CPU上计算，无法直接利用 GPU 进行加速。

Tensor：
支持在CPU 和 GPU上计算,利用 CUDA 进行并行加速。

fig = plt.figure()  # 创建一个图形for i in range(9):img, label = training_data[i+50000]  # 获取第50000+i个样本的图像和标签fig.add_subplot(3, 3, i+1)  # 添加子图，3行3列布局plt.title(label)  # 显示标签（即图像对应的数字）plt.axis("off")  # 关闭坐标轴显示plt.imshow(img.squeeze(), cmap="gray")  # 显示图像，转为灰度图a = img.squeeze()  # 降维plt.show()  # 显示图形