目录

• PyTorch 安装 gpu版本的问题
• 我的电脑配置
• 不想看我的经历可以直接使用下方命令
• • 对应1.10版本的torch
  • 对应1.9.1版本的torch
  • 对应1.6.0版本的torch
• 安装PyTorch-cu之路
• ==接下来就不是废话了==
• • 第一种办法
  • 第二种办法
• 补充第二种方法
• • 问题: 基于python 3.8 cuda111<112的版本和torch-cu101不兼容， 这部分可以自己解决。

PyTorch 安装 gpu版本的问题

• No matching distribution found for torch==1.10.1+cu111
• No matching distribution found for torchvision==0.11.0+cu111
• No matching distribution found for torch==1.10.1+cu111

我的电脑配置

GPU：RTX3060
CUDA: 11.2
python=3.8
torch-cu >=1.10

如果你的CUDA支持的版本更高， 可能就不需要我这么费劲了

不想看我的经历可以直接使用下方命令

对应1.10版本的torch

pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html

对应1.9.1版本的torch

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

对应1.6.0版本的torch

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 torchaudio==0.6.0 -f https://download.pytorch.org/whl/torch_stable.html

出现以下错误：
Error loading “H:\thrid_paper\github_code\image_caption\ViTCAP-main\venv\lib\site-packages\torch\lib\caffe2_detectron_ops_gpu.dll” or one of its dependencies.

原因是：CUDA112和torch1.6 cu101不兼容，因为torch1.6 cu101需要CUDA10.1版本。如果您想安装torch1.6 cu101，您可以在conda虚拟环境中安装对应的cudatoolkit2，或者在您的电脑上安装多个CUDA版本。希望这能帮到您。

• 下载CUDA Toolkit 10.1的exe文件，并双击安装。
• 下载与CUDA 10.1版本兼容的cuDNN，并解压到CUDA Toolkit 10.1的安装目录下。
• 在命令行中输入pip install torch1.6.0+cu101 torchvision0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html来安装pytorch和cudatoolkit。
• 测试能否可用CUDA，
  例如在Python中输入import torch; print(torch.cuda.is_available())。

一个电脑可以安装两个或多个CUDA Toolkit，但是需要注意以下几点：
不同版本的CUDA Toolkit需要下载对应版本的cuDNN，并解压到CUDA Toolkit的安装目录下。
安装多个CUDA Toolkit后，需要修改环境变量，将默认的CUDA相关变量改成当前项目要用到的版本。修改环境变量后，需要重启电脑才能保证生效。
如果使用conda虚拟环境，可以在不同的环境中安装不同版本的pytorch和cudatoolkit。

这部分没有测试
最终使用了cpu版本的torch1.6

pip install torch==1.6.0+cpu  -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

安装PyTorch-cu之路

一开始我在想，毕竟我浸淫PyTorch也有两三年了，按个gpu版本的PyTorch岂不是手到擒来，没想到我会写下这篇博客。
我按着以往的思路，
1、打开官网：https://pytorch.org/get-started/locally/
2、按需求选择，

3、意料之中，嘿嘿嘿，于是我打开以往的安装命令
https://pytorch.org/get-started/previous-versions/

4、于是我想，既然我的cuda最高支持11.2，那我就找个11.1版本的安装吧，嗯，这样很保险，不愧是我

直接小手ctrl+F一搜， 米啊米啊，很顺畅

反手就是一个复制粘贴在cmd中，

等啊等，等啊等， 3.2G的大小1分钟下载完了，，我的眼睛瞪得像铜铃，Why， WHy

他报错了，他竟然报错了，为什么，为什么，到底为什么 ，

疯狂搜索

啊哈，有博主说：更改下载地址
https://blog.csdn.net/weixin_43760079/article/details/128025664
啊哈，有博主说：降低torch的版本
https://blog.csdn.net/weixin_39450145/article/details/126444591
啊哈，有博主说：上面的说的都是对的， 对对对！！！！

正经说下， 吗，没能成功采用上方方法解决的原因，我的其他包的依赖torch版本必须要大于1.10

不过我也受到了他们的启发， 在此表示真诚的感谢！！！

接下来就不是废话了

综上所述：在安装的过程中，Torch是很容易就下载到了， 关键就是torchvision的版本对应，torchaudio到没出什么幺蛾子， 如果他也出现了问题，解决办法也是一样的

第一种办法

是很多博主常说的查找版本对应，然后自行安装。这种方法，我个人认为有点不太友好。

想了想还是补充完整吧：
见最后==================， 因为先看第二种方法， 再看第一种方法，就完全没问题了。

第二种办法

查看报错信息

看一看报错信息中有没有cu111或者自己想安装cuda对应的版本

明显上方没有cu111版本的cuda

明确原因：
打开官方网站：可以看到里面根本就没有windows版本， 我裂开了
https://download.pytorch.org/whl/torch_stable.html

但是，但是， 还是看上方的报错信息， 我们发现： 0.10.0+cu102， 宛若救星， 我又行了， 哈哈哈

反手进入以往安装命令
https://pytorch.org/get-started/previous-versions/

搜索torchvision==0.11.2+cu102

粘贴到cmd， 完美

补充第二种方法

我还想安装torch1.6-cu版本怎么办，

还是先看有没有能直接安装的命令吧
https://pytorch.org/get-started/previous-versions/

有也没有

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

如果没有怎么办

打开网址：https://download.pytorch.org/whl/torch_stable.html
1、查看有没有torch1.6.0 PC38（python3.8）的windows GPU版本， CUDA<=111(视情况而定)


cu101, 102的都有，

2、接下来查找torch， torchvision， torchaudio的版本对应
https://blog.csdn.net/shiwanghualuo/article/details/122860521

torchvision
torchaudio

4、继续在https://download.pytorch.org/whl/torch_stable.html找是否存在torchvision和torchaudio的cu101和cu102版本

结果我就不复制了，
最终结果是只有cu101的版本，

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

问题: 基于python 3.8 cuda111<112的版本和torch-cu101不兼容， 这部分可以自己解决。

• 1、自己安装cuda101
• 2、使用conda创建的虚拟环境
• 3、安装两个CUDA Toolkit
• 4、使用cpu版本

pip install torch==1.6.0+cpu  -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html