### PyTorch CPU 版本切换至 GPU 版本的方法 为了将已安装的 PyTorch 从 CPU 版本迁移到 GPU 版本，以下是详细的解决方案： #### 方法一：卸载现有 CPU 版本并重新安装 GPU 版本 如果当前环境已经安装了 CPU 版本的 PyTorch，则需要先将其卸载再安装 GPU 版本。 1. **卸载现有的 PyTorch** 使用 `pip` 或 `conda` 卸载当前版本的 PyTorch 及其依赖项。 ```bash pip uninstall torch torchvision torchaudio ``` 2. **安装 GPU 版本的 PyTorch** 根据 NVIDIA 显卡支持 CUDA 的情况选择合适的命令。例如，对于 CUDA 12.4 支持的情况： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 [^4] ``` 如果使用 Conda 进行管理，则可以通过以下方式安装 GPU 版本（注意调整 CUDA 和 PyTorch 的具体版本号）： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia [^1] ``` #### 方法二：覆盖安装 GPU 版本 如果不希望完全卸载旧版 PyTorch，可以直接尝试覆盖安装 GPU 版本。此方法适用于某些情况下不需要清理旧包的情形。 执行如下命令即可完成覆盖操作： ```bash pip install torch torchvision torchaudio --force-reinstall --upgrade --index-url https://download.pytorch.org/whl/cu124 ``` 或者通过 Conda 覆盖安装： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia --force-reinstall [^1] ``` #### 验证安装成功 安装完成后，验证是否正确加载了 GPU 支持的 PyTorch 库。运行以下 Python 脚本来确认： ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Current Device: {torch.cuda.current_device()}") print(f"Torch Version: {torch.__version__}") ``` 如果输出显示 `CUDA Available: True` 并指定了设备索引，则说明 GPU 支持正常工作[^2]。 --- ### 注意事项 - 确保系统中有可用的 Nvidia 显卡以及驱动程序满足最低要求。 - 若网络条件较差，可考虑使用国内镜像站点替代官方 URL[^3]。 - 安装前需明确目标系统的 CUDA 版本兼容性，并据此选择对应的 PyTorch 发布版本。 ---