Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建

硬件信息：

系统：win10专业版

CPU：i5-9400f

内存：16GB

显卡：GTX1060

 

一、打开Anaconda Prompt

1、conda create -n pytorch python=3.7.0：创建名为pytorch的虚拟环境，并为该环境安装python=3.7.0

2、activate pytorch：激活名为pytorch的环境

二、确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件

可知：GTX1060支持CUDA10版本

三、确定pytorch版本，torchvision版本

1、进入pytorch官网：https://pytorch.org/get-started/locally/

2、确定对应的pytorch和torchvision版本：Package先选择Pip是为了查看pytorch和torchvision版本。实际上我们通过conda进行安装。可知：pytorch==1.2.0、torchvision==0.4.0

四、镜像中下载对应的安装包

清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

pytorch：

torchvision：

五、本地安装

接着第一步，在pytorch环境下进行安装，依次输入如下指令。

1、cd downloads(下载到本地的文件夹名称)

2、conda install --offline pytorch-1.2.0-py3.7_cuda100_cudnn7_1.tar.bz2

3、conda install --offline torchvision-0.4.0-py37_cu100.tar.bz2

（.whl文件的安装使用pip安装。例如：pip install opencv_python-4.1.2+contrib-cp36-cp36m-win_amd64.whl）

4、cd ..：返回上一级目录（虚拟环境所在目录，我的是tianr）

5、conda install anaconda：安装环境所需的基础包

六、测试

代码1：

import torch 
import torchvision
print(torch.__version__)
print(torchvision.__version__)

输出对应的版本信息无报错。

代码2：

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)

输出类似于以下的张量：

tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])

代码3：

import torch
torch.cuda.is_available()

输出：True

如果以上三段代码输出无异常，表明环境搭建成功。