全网最详细的深度学习pytorch-gpu环境配置
学习深度学习第一步就是环境的配置，相信很多小伙伴已经被什么anaconda，tensorflow，Pytorch，cuda这些东西搞得晕头转向，今天带大家详细配置深度学习的环境，这一篇准要教书Pytorch框架的配置。
本文配置的为pytorch-gpu-1.7.1，cpu版本也适用。
tensorflow教程：全网最详细的深度学习tensorflow-gpu环境配置_惜洛-Jankin的博客-CSDN博客
1.概述
配置深度学习环境首先需要了解一下安装的这些东西是什么，就不会晕头转向了。
①python：这个不用多说，python是跑深度学习的主流语言，因此首先需要安装python了，详细的安装可以看下面这一篇文章Windows环境安装Python编译环境与开发工具（pycharm安装）_惜洛-Jankin的博客-CSDN博客_python编译环境
②anaconda：是包的管理工具，非常方便，可以安装各种我们需要的库和包，像我们需要安装的tensorflow与Pytorch都选择这个工具安装；当然了，不安装anaconda使用pip工具安装这些也是完全可以的。anaconda的详细安装可以看下面这篇文章。
最详细的Anaconda安装、配置及使用（windows）_惜洛-Jankin的博客-CSDN博客_anaconda设置
③Pytorch：了解Pytorch前，我们需要了解一个概念——深度学习框架。
深度学习框架就是深度学习一个庞大的库，当我们需要建立一个深度学习网络的时候，若是从最基础的网络开始写，那可能非常麻烦，几天也写不完，这时候深度学习框架出现了，当你使用深度学习的时候调用框架中的基础网络就可以了。目前框架有很多，主流的有谷歌的TensorFlow、Facebook的Torch、百度的Paddle Paddle、微软的CNTK、亚马逊的AWS开发的MXNet。
说到这，你应该知道什么是Pytorch了，其实它就是Facebook出品的一个强大的面向数据流的库。
④Pytorch-gpu版与cpu版
简而言之，就是你跑深度学习程序的时候用显卡跑还是内存跑；若是 你有显卡并且cuda支持，当然使用显卡跑了，会快很多，相应的就选择Pytorch-gpu版本，若是没有显卡或者cuda不支持你电脑的显卡，那只能用内存了，安装Pytorch-cpu版本。
tips：查看cuda是否支持你的显卡
查看cuda是否支持你的显卡：依次打开：控制面板==>NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称
可以看到我的电脑支持cuda 10.1版本
⑤cuda与cudnn：
若是安装tensorflow-gpu，就需要安装cuda与cudn；若是安装tensorflow-cpu，不需要安装这两个。
CUDA：是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
CUDNN：CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。
2.cuda与cudnn安装步骤：
①安装cuda：
官网： CUDA Toolkit Archive | NVIDIA Developer
选择相应的版本下载即可（依据电脑Gpu版本选择）
打开安装
选择自定义安装
点开+号，把Visual Studio Integration的勾选去掉（否则你机器上安装的Visual Studio版本不对或者没有安装时，下一步会报错导致你安装不下去）
等待安装完成，在cmd中输入nvcc -V若出现版本信息表示安装成功。
②安装cudnn（需要注册）：
官网：NVIDIA cuDNN | NVIDIA Developer
选择适合的cudnn版本，（依据看cuda版本与下一步骤③中的tensorflow版本）
下载后解压，将内部文件全部复制安装至刚才安装的CUDA的地方，我的文件目录是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
③查看自己的驱动是否和版本cuda版本匹配
打开网址： Release Notes :: CUDA Toolkit Documentation
若是版本低了升级驱动程序即可
3.安装Pytorch：
①确定Pytorch版本
Pytorch官网：Start Locally | PyTorch
进入Pytorch官网后根据自己的版本选择后，会出现绿框所示的命令（此命令为下面安装Pytorch的命令，后面会用到），若你需要较老的版本，进入如下网址：
Previous PyTorch Versions | PyTorch
找到适合自己版本的命令
②打开anaconda创建环境并激活
此处通过anaconda配置Pytorch环境，未安装anaconda请看文章开头
打开anaconda prompt或者cmd在命令提示符内输入以下命令：
创建一个名为tensorflow_gpu-2.3.0（名称可以更改）的环境，该环境的python版本为3.7。
conda create -n pytorch-1.7.1 python=3.7激活一个名为tensorflow_gpu-2.3.0的环境。
activate pytorch-1.7.1
③安装Pytorch方法一
环境创建并激活之后就到了安装Pytorch的时候了，此处命令即为步骤①中在官网复制的命令
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html中途出现y/n，输入y
可以发现下载还是很慢的，而且有时候太慢会出现错误，因此我们可以采用离线安装的方式，虽然下载速度不快，但是不会出现因为下载慢而出现错误，详细步骤看下方步骤④
（tips：有些可能会说切换pip镜像，我尝试了还是一样的慢，因此推荐离线安装）
④安装Pytorch方法二
在步骤一中，通过命令我们可以看到自己的orch与torchvision的版本，在下方网址选择相应的版本离线下载
官网：https://download.pytorch.org/whl/torch_stable.html
清华镜像：Links for tensorflow-gpu
下载torch（推荐官网）
下载torchvision
下载torchaudio
找到这三个文件的下载位置，在路径栏输入cmd回车
首先在cmd中输入
activate pytorch-1.7.1然后分别在cmd中执行这三句（pip install + 名字，注意加上后缀.whl）
pip install torch-1.7.1+cu101-cp37-cp37m-win_amd64.whl
pip install torchvision-0.8.2+cu101-cp37-cp37m-win_amd64.whl
pip install torchaudio-0.7.2-cp37-none-win_amd64.whl
⑤测试方法一
在该环境下输入命令
pip list可以看到pytorch版本
⑥测试方法二：
在该配置环境下输入如下命令
python
import torch
torch.cuda.is_available()返回值为true，表示安装成功
