PyTorchは、WindowsでのGPU使用をネイティブにサポートしていることに加え、TensorFlowやChainerなどのAIライブラリと比べても現在主流の選択肢の一つです。そのため、これから機械学習や深層学習を始める方には、PyTorchをおすすめします。
一方で、初めて環境構築を行う場合、GPU対応の設定でつまずきやすいのも事実です。この記事では、WindowsでPyTorchをGPU対応で使うための環境構築方法を、初心者向けに分かりやすく説明します。
今回必要になるのは、以下の2つです。
・CUDA
・PyTorch
1. PyTorchに対応しているCUDAのバージョンを確認する
CUDAは、NVIDIAが開発した、GPUを使って高速な計算を行うためのプラットフォームです。PyTorchでGPUを使用するには、CUDAへの対応を確認する必要があります。
まずは、インストールしたいPyTorchのバージョンが、どのCUDAバージョンに対応しているかを公式サイトから確認しましょう。2026年4月時点では、CUDA 12.6、12.8、13.0に対応しています。
また、Windows版PyTorchではAMD製GPUは利用できないため、NVIDIA製GPUが必要になる点にも注意してください。
2. CUDA Toolkitをインストールする
今回は、CUDA 13.0をインストールする例で説明します。CUDAには複数のバージョンがあるため、PyTorchに対応したバージョンを選ぶことが重要です。
Googleで「CUDA 13.0」と検索し、CUDAのダウンロードページにアクセスします。そこで、使用している環境に合わせて以下を選択してください。
・OS：Windows
・Architecture：使用中の環境に合ったもの
・Windows Version：使用中のWindowsのバージョン
・Installer Type：exe (local)
その後、CUDA Toolkit Installerをダウンロードします。インストールは、画面の案内に従って進めれば問題ありません。
3. PyTorchをインストールする
次に、PyTorchの公式サイトへ移動します。サイト上で、自分の環境に合った設定を選択してください。設定が終わると、**「Run this Command」**という形でインストール用コマンドが表示されます。
そのコマンドをコピーし、コマンドラインに貼り付けて実行すれば、PyTorchをインストールできます。
インストール完了後は、以下のコマンドを実行して、GPUが正しく使えるか確認しましょう。
インストール完了後は、以下のコマンドを実行して、GPUが正しく使えるか確認しましょう。
python -c “import torch; print(torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’))”
このコマンドを実行したとき、cudaと表示されれば、GPUが使用可能な状態です。
一方、cpuと表示された場合は、GPUが有効になっていません。
その場合は、以下のような点を確認してください。
・CUDAのバージョンがPyTorchに対応しているか
・PyTorchをGPU対応版でインストールしているか
・NVIDIA製GPUを使用しているか
4. まとめ
今回は、WindowsでGPU対応のPyTorchをインストールする方法を紹介しました。
手順の流れは、以下のとおりです。
・PyTorchに対応しているCUDAのバージョンを確認する
・CUDA Toolkitをインストールする
・PyTorchをインストールする
・コマンドでGPUが使えるか確認する
PyTorchをGPU対応で使えるようになると、学習速度が大きく向上し、機械学習や深層学習の開発が進めやすくなります。これからWindows環境でAI開発を始める方は、まずこの環境構築から進めてみてください。
