计算机视觉 / 系统课时

配置 PyTorch

配置 PyTorch

本课解决 YOLOv8 运行前的核心依赖问题:正确安装适配当前设备的 PyTorch,并确认 Python 环境能够调用 GPU 加速。完成后,你可以判断驱动、CUDA 与 PyTorch 三者之间的关系,避免版本不匹配导致训练或推理失败。

学习目标

  • 理解 PyTorch、CUDA Toolkit 与 NVIDIA 驱动之间的关系
  • 根据设备环境安装合适版本的 PyTorch
  • 使用代码验证 CUDA 是否可用

理解 PyTorch 环境组成

YOLOv8 基于 PyTorch 运行,PyTorch 是否能够使用 GPU,取决于多个组件是否匹配。NVIDIA 驱动负责与显卡通信,CUDA Runtime 提供 GPU 计算能力,而 PyTorch 自带对应版本的 CUDA 运行库。

实际安装时,通常不需要单独安装完整 CUDA Toolkit,官方 PyTorch 安装包已经包含常用 CUDA Runtime。最重要的是显卡驱动版本要满足 PyTorch 对 CUDA 版本的要求。

PyTorch GPU 环境组件关系图

常见关系如下:

组件 作用 是否必须手动安装
NVIDIA Driver 驱动显卡硬件 是
CUDA Runtime 提供 GPU 计算运行环境 通常由 PyTorch 提供
PyTorch 深度学习计算框架 是
YOLOv8 目标检测模型框架 依赖 PyTorch

安装适配版本的 PyTorch

安装前先确认 Python 版本和显卡驱动状态。可以使用 NVIDIA 工具查看当前驱动支持的 CUDA 版本。

bash
nvidia-smi

预期输出

text
+-----------------------------------------------------------------------------+
| NVIDIA-SMI <VERSION>       Driver Version: <DRIVER_VERSION>   CUDA Version: <CUDA_VERSION> |
+-----------------------------------------------------------------------------+

根据设备情况选择 PyTorch 安装命令。例如安装支持 CUDA 12.1 的版本:

bash
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

预期结果

text
Successfully installed torch torchvision torchaudio

如果设备没有 NVIDIA GPU,可以安装 CPU 版本:

bash
pip install torch torchvision torchaudio

安装完成后,使用 Python 检查版本和 CUDA 状态。

python
import torch

print(torch.__version__)
print(torch.cuda.is_available())

if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))

预期输出

text
2.x.x
True
NVIDIA <GPU_MODEL>

处理常见版本问题

如果 torch.cuda.is_available() 返回 False,不要立即重新安装 PyTorch,应按照依赖链排查。

首先确认系统能识别显卡。如果 nvidia-smi 无法执行,说明驱动未正确安装。

如果驱动正常但 PyTorch 无法使用 CUDA,常见原因包括安装了 CPU 版本 PyTorch、Python 环境混乱或 CUDA 版本不匹配。可以通过以下命令确认当前安装来源:

bash
python -m pip show torch

预期结果

text
Name: torch
Version: <TORCH_VERSION>
Location: <PYTHON_SITE_PACKAGES_PATH>

不要同时在系统 Python、虚拟环境和 Conda 环境中重复安装不同版本,否则容易出现调用错误。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

配置 PyTorch

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通