Windows下用Anaconda3安裝PyTorch環境（詳細教程）
- 引言
- Anaconda3下載安裝及換源
- 創建conda環境及查看CUDA版本
- 進入PyTorch官網查看下載命令
- Prompt視窗進行安裝
- 下載出錯解決辦法
- 安裝cuDNN
- 測驗安裝效果
引言
本文在Windows10下，通過在Anaconda3安裝GPU（需要使用NVIDIA顯卡）版本的PyTorch1.7.0版本，具體包含Anaconda3下載安裝及換鏡像源，創建Python3.7環境，根據CUDA版本安裝PyTorch及各種包，同時給了常見出錯問題及解決辦法，安裝cuDNN，測驗安裝效果
Anaconda3下載安裝及換源
我們在清華鏡像源網站下載Anaconda3會比較快，清華鏡像源網站，然后在從上往下拉是越來越新的版本，我們這里安裝該版本：
下載好之后根據此博客進行安裝，注意要勾選該環境變數，否則以后還要手動添加，
安裝好Anaconda3后，根據此博客里操作進行換鏡像源，可選清華，中科大，上交，可以自己在.condarc檔案里更換源，那個速度快就用哪個，因為國內網速下載庫會很慢，這里我選擇的是上交源：
創建conda環境及查看CUDA版本
然后在開始-Anaconda3(64-bit)-Anaconda Prompt打開該終端，根據下述命令創建Python環境
conda create -n pytorch python=3.7
這里我們對該環境命名為pytorch，可以根據自己需求進行命名，后面3.7是python版本，也可以安裝3.8的，
然后利用下述命令進入該pytorch環境
conda activate pytorch
然后查看自己的NVIDIA顯卡CUDA驅動版本，在NVIDIA控制面板-幫助-系統資訊-組件，可以看到我們的CUDA版本是10.2，所以安裝CUDA時只能安裝該版本型號及以下，
進入PyTorch官網查看下載命令
然后在進入PyTorch官網，點擊首頁Install
進入到下面這個界面，也可以點擊該鏈接直接進入，
可以看到，這里已經識別出我們的版本號，我們可以檢查看CUDA版本是否對應，這里一般安裝Stable穩定版本，我們使用Conda命令安裝，
Prompt視窗進行安裝
然后進行剛才的Prompt視窗，在名稱為pytorch環境下輸入下面命令，即對應官網給出的那行install命令：
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
然后可以看到我們已經在使用國內鏡像源進行下載了，一般會包含下面這些包：
點擊y就可以進行下載安裝了，
下載出錯解決辦法
有時候自己電腦的網速或鏡像源網站的網速不穩定，在下載pytoch，cudatoolkit,mkl安裝包時會卡住，重新下載幾次也不太行，這里可以通過迅雷軟體離線下載這些安裝包，再進行安裝，操作如下：
當第一次使用install命令安裝包時，對于沒有安裝成功的包，在第二次輸入相同install命令時僅會安裝之前未成功的包，我們根據上圖中url網址（這里我們使用的是sjtu上交源），將未下載成功的包的下載鏈接進行復制，粘貼到迅雷新建任務進行下載，一般都下載的很快，
然后在迅雷里點擊右邊下載鏈接復制，也可以右擊下載檔案看到復制下載鏈接，
將下載的包（一般為.tar.bz2后綴）移動到Anaconda3安裝目錄-pkgs檔案夾里，
出現替換操作時選擇替換目標中的檔案，
然后打開pkgs檔案里一個url命名的txt文本檔案，將之前復制的下載鏈接復制到該txt中，
對于上面的pytoch包的鏈接就是下面這種格式，然后保存該文本檔案，
然后進入Prompt視窗，在里面繼續輸入之前的Install命令，可以看到pytorch包已經安裝了，后面出現其他的大容量包下載錯誤按照此方法都可以解決下載問題，
安裝cuDNN
最后我們在Prompt視窗里pytorch環境下輸入下列命令安裝cudnn7.6，這里cudnn版本需要對應相應cuda版本，可以在官網這里看到對應關系，一般cuda10.2安裝cudnn7.6比較穩定，
conda install cudnn=7.6
測驗安裝效果
安裝好之后在我們創建的名稱為pytorch環境下輸入python，然后如圖操作成功，說明我們已經安裝成功，這個pytorch環境可以用集成開發環境PyCharm中設定-python解釋器里進行本地添加呼叫，
我們安裝的pytorch環境在Anaconda3安裝目錄下的envs檔案夾里，
在此教程下操作時有安裝問題的可以私聊博主，求一鍵三連加關注！
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/226873.html
標籤：python
上一篇：k-近鄰（knn）演算法
下一篇：PyTorch 安裝指南