利用Anaconda安装PyTorch并将Anaconda创建的虚拟环境添加到Pycharm中

一、利用Anaconda安装PyTorch

1.执行如下的指令查看有哪些环境

conda env list

2. 创建虚拟环境conda create -n 环境名字（英文） python=x.x（python版本）

conda create -n pytorch python=3.8

3.激活此环境。conda activate 虚拟环境名称

conda activate pytorch

4.安装pytorch-gup版的环境，由于pytorch的官网在国外，下载相关的环境包是比较慢的，所以我们给环境换源。在pytorch环境下执行如下的命名给环境换清华源。

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

5.进入PyTorch官网，然后将下面的命令复制到Anaconda环境下的终端中。

6.安装完成后，配置CUDA的环境变量。

sudo gedit ~/.bashrc

在文件的末尾添加下面两行，注意修改成你的安装路径：

export PATH="/usr/local/cuda-10.2/bin:$PATH" #这里添加路径出错的话最好加上双引号把路径括起来，这里已经加上了双引号
export LD_LIBRARY_PATH="/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH"

7.测试是否安装成功：

(1)终端输入：

nvcc -V

(2)进入samples的安装目录,选择一个看看是否可以成功编译。

最后出现Test PASSED即可

cd NVIDIA_CUDA-10.2_Samples/0_Simple/vectorAdd
make
./vectorAdd

8.安装cudnn

cudnn官网

找到对应自己CUDA的版本进行下载(我的CUDA是10.2版本,cudnn是8.3.2)，然后解压。解压完成后执行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp cuda/lib/libcudnn* /usr/local/cuda/lib64/ 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

9.测试

在pycharm创建一个python脚本，在脚本中运行如下代码：

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

显示如下：

二、将Anaconda创建的虚拟环境添加到Pycharm中