深度学习环境配置Pytorch

Anaconda

Anaconda是管理各个python包的工具，这里我们主要使用的是numpy，以及其他的一些常用包。

Anaconda官网链接：https://www.anaconda.com/

各个系统版本的Anaconda安装程序都可以直接下载安装即可，相关使用方法可以参考该文章

CUDA

1. 首先查看自己电脑GPU对应的cuda版本，如图所示打开 NVIDIA控制面板->帮助->系统信息->组件（可在控制中心或右下角通知栏打开），我这里GPU对应的cuda版本是11.6.106，所以安装的cuda不能超过这个版本。

或者在cmd命令行输入nvidia-smi也可以查看CUDA版本。

2. 进入CUDA Toolkit Archive网站选择低于刚才查到的版本的cudatoolkit，本文选择CUDA Toolkit 11.0 Update 3，下载安装包约2.7G。

注意：这里选择的cuda版本会决定后面安装cudnn和tensorflow-gpu的版本，三者是相关的，如果版本不匹配将无法使用，具体匹配版本参考https://tensorflow.google.cn/install/source_windows，下表为节选。

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10

3. 双击下载的exe安装包，选择临时解压位置，然后点击ok，解压时间两分钟左右。

4. 同意许可协议，然后选择自定义安装选项，然后点击下一步

5. 选择驱动程序组件，一定要勾选CUDA，然后点击下一步。

6. 选择自己电脑上的一个安装位置，然后开始安装。

7. 等待安装结束，本电脑18年笔记本机械硬盘安装耗时约5分钟

8. 检查环境变量，一般安装完成后会自动配置好环境变量，打开设置-系统-系统信息-高级系统设置-环境变量进行检查，如果没有则需要自行添加（注意添加时修改成自己的安装路径）

• 系统变量中是否有CUDA和NVCUDASAMPLES两组环境变量。

• 打开系统变量的Path，查看是否有以下环境变量。

9. CUDA安装完成

Pytorch

（1）创建Pytorch环境

使用anaconda创建一个pytorch的虚拟环境，主要是为了区分不同的项目，比如tensorflow和pytorch使用的各种包环境等都是不同的，新建一个环境可以处理项目之间不兼容的问题。

1. 打开Anaconda Prompt

2. 新建一个虚拟环境

conda create -n pytorch python=3.8

这里创建一个pytorch环境，语句中pytorch是环境名，叫什么都可以，python版本这里3.8和3.9都可以。

使用conda info --envs命令可以看到所有环境，使用conda activate pytorch可以激活刚才创建的pytorch环境。

前面从（base）变为（pytorch）时表示此时已经切换到pytorch环境。

（2）安装pytorch

进入PyTorch官网：https://pytorch.org/，可以看到pytorch安装页面。

这里默认已经根据你的电脑情况选择了一部分信息，只需要选择CUDA版本即可，刚才查看了我的电脑cuda版本是11.6.106，所以这里选择CUDA 11.6。

这里提示了安装前电脑需要安装cudatoolkit，上一节我们已经安装了，所以直接在conda的pytorch环境中运行下面给出的安装代码即可。

进入虚拟环境

conda activate pytorch

安装pytorch

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

如果下载报错，注意关掉自己的科学上网工具，然后到清华大学镜像站按步骤添加一下索引。
如果仍报错且自己能够科学上网，那么可以使用命令conda config --remove-key channels删除清华源，并删除C:/用户/xxx/.condarc文件，使用科学上网+默认源下载。

测试

打开Anaconda Prompt命令行，进入pytorch环境。

conda activate pytorch

输入python，进入python交互界面

输入下面命令进行测试：

import torch 
print(torch.__version__) # pytorch版本
print(torch.version.cuda) # cuda版本
print(torch.cuda.is_available()) # 查看cuda是否可用