深度学习环境搭建（win10+pytorch）

深度学习环境搭建（win10+pytorch）

Anaconda换源

换到 清华源。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

其他几个镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

此时在用户文件夹下会出现一个配置文件.condarc，需要将其中的-default语句删除掉，默认使用清华的源。

安装CUDA以及cuDNN

依据windows的CUDA安装指南 ，需要安装VS，使用visual studio installer安装VS2019社区版，勾选C++桌面开发。安装完成后从下载网址https://developer.nvidia.com/cuda-downloads下载合适的NVIDIA CUDA Toolkit。经热心同学提醒无需安装VS，在NVIDIA CUDA Toolkit安装时选择自定义安装，在安装项目中取消勾选CUDA选项中的VS驱动即可，按照默认安装路径安装一路点下去即可。安装完成后可以看到自动添加了环境变量，并且在命令行输入nvcc -V可以查看其信息。
接下来安装cuDNN，cudnn是pytorch搭建深度学习模型的依赖，没有它，不能运行卷积等操作。下载对应版本的cudnn链接：https://developer.nvidia.com/rdp/cudnn-archive，其下载需要首先注册nVidia开发者社区账号，注册完成后选择与上面安装的CUDA相应版本的压缩包下载，解压后依次将压缩包中的3个文件复制到CUDA安装路径的相应位置即可。

\cuda\bin\cudnn64_7.dll —> C:\Program Files\NVIDIA GPUComputingToolkit\CUDA\v9.1\bin

\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPUComputingToolkit\CUDA\v9.1\include

\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPUComputingToolkit\CUDA\v9.1\lib\x64

为pytorch创建一个新环境

使用以下命令创建一个新环境并进入

conda create -n pytorch_gpu pip python=3.7
activate pytorch_python

接下来，进入pytorch官网选择对应版本的conda下载命令，复制下来并执行。注意不要复制末尾的-c pytorch，因为这指定了使用pytorch官方源下载，下载速度异常慢，正因此我们才在上面换到了清华镜像源。

这里碰到一个坑，一直给报
CondaHTTPError: HTTP 000 CONNECTION FAILED for url
Elapsed: -
这样的错误，多次查询无果，最后发现我的上面提到的.condarc文件中比别人多出一行ssl-vairfy: Ture，将其删掉后即可顺利安装。（ps：务必在网络条件好的情况下安装，我在某科大图书馆反复了七八次才下好，坑爹）
安装完成后在python环境下执行

import torch
torch.cuba.is_available()

返回True就大功告成了。