一、   简介

PyTorch 是一个开源的机器学习框架，由 Facebook 的 AI 研究团队（现 Meta AI）开发并维护。它以灵活性、动态计算图和强大的 GPU 加速支持著称，广泛应用于学术研究和工业界的深度学习项目中。

二、安装前的准备工作

在安装这个功能强大的库之前我们先查看我们是否用有独立显卡。在设置中找到设备管理器打开显示适配器就可以查看是否有显卡。

核显（Graphics）示例

独显示例

三、Cude驱动下载

1、准备

如果拥有独立显卡我们需要下载cuda驱动，没有则跳过此步

在这之前我们需要查看我们的cuda的版本

通过如下指令我们可以查看cuda的版本

nvidia-smi

2、下载cuda

从官网下载对应的CUDA版本，由于我的显卡版本为13.0，只需要安装小于或者等于13.0都是可以的，因此这里选择安装安装13.0。

官网地址：CUDA Toolkit Archive | NVIDIA Developer

选择对应系统的版本，我这里为Windows11。然后选择本地下载（exe(local)）,然后点击Download

将其安装到想要安装的路径

点击同意协议

选择精简安装

查看是否安装成功，在命令行输入以下指令进行检查。

nvcc -V

四、安装Pytorch

Pytorch的安装分为有独立显卡的和核显。

1、安装cpu版本（核显）

点击下面的链接进入下载Pytorch

PyTorch

下拉到安装界面

为了防止因为pip下载中断无法安装，这里我们通过网址下载

download.pytorch.org/whl/torch/

找到torch点击

这里根据python版本安装要的版本，可以通过ctrl+f查找到想要的版本,linux_x86为linuxs系统，win_amd64为windows版本

复制下载的文件路径通过pip安装

通过如下方法验证安装是否成功

import torch
print(torch.__version__)

2、安装cuda版本

方法和上面相似如上（cpu版本）仅需将cpu换成cu即可，版本只需要小于等于你下载cuda驱动的版本,我的版本为13.0下载的版本为cu124版本

五、安装torchvision

torchvision是 PyTorch 生态中专门用于​​计算机视觉（Computer Vision）​​的官方库，提供了丰富的数据集、模型架构、图像变换工具和可视化功能，极大简化了 CV 任务的开发流程。

同样找到torchvision

我们需要安装对应的版本去安装

这里根据我的版本选择0.19.0

同样通过pip安装

验证代码

mport torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor

'''下载训练数据集'''
training_data = datasets.MNIST(root='./data',
                               train=True,
                               download=True,
                               transform=ToTensor()#张量，图片不能直接出入网络
)#Numpy 数组只能在CPU上运行
test_data = datasets.MNIST(root='./data',
                           train=False,
                           download=True,
                           transform=ToTensor()
)
print(len(training_data))
from matplotlib import pyplot as plt
figure = plt.figure()
for i in range(9):
    img, label = training_data[i+59000]
    figure.add_subplot(3,3,i+1)
    plt.title(label)
    plt.axis('off')
    plt.imshow(img.squeeze(), cmap='gray')
    a = img.squeeze()#squeeze()将张量格式
plt.show()