前言

PyTorch 是与TensorFlow 并驾齐驱的深度学习框架，功能各有所长，因此，两个套件通常会一并安装，有关 TensorFlow 安装请参看『Day 01：轻松掌握 Keras』。

PyTorch 安装

PyTorch 安装可透过『PyTorch官网』的选单，产生安装指令，使用 conda 或 pip 均可，例如下图：

conda 产生的安装指令如下：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

pip 产生的安装指令如下：

pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio===0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

验证

以 Python 执行下列程式码验证CUDA安装是否成功：

import torch
tensor = torch.rand(3,4)
print(f"Device tensor is stored on: {tensor.device}")# Device tensor is stored on: cpuprint(torch.cuda.is_available())#Truetensor = tensor.to('cuda')
print(f"Device tensor is stored on: {tensor.device}")# Device tensor is stored on: cuda:0

注意事项

安装时费了一番手脚，将惨痛的经验分享如下：

1. TensorFlow安装需另外安装NVidia CUDA Toolkit/CuDNN，而PyTorch安装会一并安装CUDA Toolkit，但是两者并不同，PyTorch安装的cudatoolkit是NVidia CUDA Toolkit的子集合，目前(2021/11/08)TensorFlow要求CUDA Toolkit须为v11.2，而PyTorch安装的是v11.3，两者并不冲突。

2. NVidia CUDA Toolkit的路径设在环境变数Path中，并不会影响PyTorch。

3. 笔者先使用 conda 安装PyTorch CPU 版本，再移除，改安装 CUDA 版本，安装没问题，但以上述程式码验证，却一直侦测不到 GPU，最后改用pip才成功。