手把手教你配置Pytorch环境并使用(Win10系统下基于Anaconda完成的pytorch1.7.1和torchvision0.8.2的Pytorch深度学习环境搭建)

概述：

1.下载并安装Anaconda

2.在Anaconda Navigator中新建Pytorch虚拟环境

3.配置虚拟环境所需要的torch和torchvision

4.在Pycharm编译环境中使用刚刚建好的Pytorch虚拟环境

详细过程如下：

第一步：下载并安装Anaconda

     打开网址（https://www.anaconda.com/products/individual#Downloads），我下载的anaconda版本是支持python3.8的。如果想下载之前的版本，或者更低python版本的anaconda，可以打开网址（https://www.cnblogs.com/xiaochouk/p/12081633.html）。

       双击下载好的anaconda安装包，just me是说只供当前用户使用。all user 是供使用这台电脑的所有用户使用，是权限问题。对空间影响不大。如果你的电脑上只有建了一个用户，all users和just me 的作用是一样的。所以点击just me就好了。

         然后点击next，当让你选择安装安装路径的时候，一定不要选择默认安装位置，因为默认位置是c盘，以后要在anaconda里面创建环境的时候会很占内存，最好在D盘中创建一个文件夹来放anaconda。

        和图中一样将图中的√勾上，虽然出现红色的警告，但是要勾上，将anaconda添加到环境变量中去。然后点击完成就好了。

        安装完成以后，按下开始键（win键）在左边就会出现anaconda3这个文件夹，可以发现anaconda已经安装好了。

【如果跑YOLOv5的话，可以跟着炮哥进行环境的搭建，并跟着他学习如何一步步实现YOLOv5的目标检测即可（良心级的保姆教程，本人亲测！搭建过程中遇到的问题解决办法基本都可以我写的其他文章中找到），这里附上链接：(24条消息) 利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装---免额外安装CUDA和cudnn（适合小白的保姆级教学）_didiaopao的博客-CSDN博客_anaconda安装cuda和cudnn】

第二步：在Anaconda Navigator中新建Pytorch虚拟环境

 说明：此处我是利用Anaconda在Win10环境下完成pytorch1.7.1和torchvision0.8.2的配置。

1. 创建一个新的环境
打开Anaconda Navigator，找不到的win10左下角输入一下就能找到了，如下图。

这里通过列表下面（左下角）的create按钮可以创建一个新的环境，这里将新环境起名为torch（可随意起名），右面列表中是后续安装好的包，刚创建的时候没有这么多。

这样，我们就新建了一个名为Torch的Pytorch虚拟环境。

第三步：配置虚拟环境所需要的torch和torchvision。
1. 从pytorch官网得到获取包的命令
打开Anaconda Prompt（同理，在win10左下角输入一下就能找到了），输入activate 刚刚创建的环境名可以切换到刚刚创建的环境。这里我用的是下面的命令，你需要根据自己创建的环境名修改相应的激活名称。

activate torch

进入pytorch官网：https://pytorch.org/get-started/locally/
选择pip方式加载，得到下图所示命令。
这里有一个需要注意的点，如果你之后要用的设备是GPU而不是CPU，那么这里CUDA那里的选项就不能选None，而是选择相应的版本。后面的几步操作都是一样的。

2. 使用该命令下载pytorch的whl包
这里直接将上面从官网得到的命令粘贴到了Anaconda Prompt中，网络情况好的情况下可以成功。当然，大家在这里可以不用等它下载完，出现下图黄框圈起来的链接后就可以直接复制粘贴到浏览器进行下载。但是，由于大家需要配置的环境不同（受GitHub上模型版本对torch版本的约束，很多要求Torch版本<=0.4.0，这里用Torch版本：pytorch1.7.1和torchvision0.8.2，也是同样可以跑的，亲测。）

【强烈建议：我是在浏览器中输入进入网址找到你想要的环境配置文件对应下载！】

官方地址：https://download.pytorch.org/whl/torch_stable.html

这样我们就下载得到了下面的whl文件。

3. 下载numpy包
使用下面命令下载numpy包(在Anaconda Prompt中输入)，经测试，这一步是必要的，否则进行下一步的时候会报错！

conda install numpy

4. Install第3步下载下来的pytorch whl文件
使用pip install 本地路径命令加载torch包，如图所示，过程很顺利。

接下来可以用conda list命令查看包，可以看到torch包已经被成功下载下来了。
5. 下载torchvision0.8.2
采用同样的方法官方下载torchvision的whl包，然后pip install该包，可以成功安装。
官网地址：https://download.pytorch.org/whl/torch_stable.html
注意：
1.选择与python版本和pytorch版本对应的torchvision包，否则无法成功安装。
2.在安装torchvision之前，确保已经安装上pillow，没有的话采用同样的方法从官网下载pillow包并安装好之后，再安装torchvision。
官网地址：https://www.wheelodex.org/projects/pillow/

6.至此，在Anaconda Prompt中输入conda list命令查看包，可以看到如下情况，说明安装成功。

———————————————end————————————————

第四步：在Pycharm编译环境中使用刚刚建好的Pytorch虚拟环境进行跑深度学习模型。

1.首先在Pycharm中打开我们要跑的代码模型，点击Pycharm界面右下角

2.选择Interpreter Settings...选项，然后 

3. 点击右侧设置按钮，接下来选择show all ，具体如下图：

 4.这里先选择Add，然后添加新环境，Location表示将要建立的环境存在的位置（这个文件夹必须是空文件夹），下图箭头所指处具体到我们配置好的名为Torch的Pytorch环境下的python.exe文件。

箭头所指处具体到我们配置好的名为Torch的Pytorch环境下的python.exe文件。例如我的是：

勾选上下面的两个小方格，然后点击OK 即可创建完成。

4、测试

在3.中选择show all，即可找到我们刚才添加的Pytorch环境，选择即可。
然后，在pycharm中创建.py文件，输入以下测试代码：

import torch
print(torch.__version__)
print(torch.cuda.is_available()) # cuda是否可用

print(torch.cuda.device_count()) # 返回gpu数量

print(torch.cuda.get_device_name(0))  # 返回gpu名字，设备索引默认从0开始

print(torch.cuda.current_device())  # 返回当前设备索引

运行后，出现以下结果中的True则说明安装成功啦：

此外,输入运行以下代码也可验证是否安装成功及查询我们所安装和正在使用的torch与torchvision的版本号：

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

———————end—————————