Anaconda3+PyTorch安装教程

一、安装前准备

• 电脑需要有NVIDA的独立显卡；
• 电脑要有NVIDA显卡驱动程序（NVIDA控制面板）
• 微软官网下载安装 Microsoft Visual Studio(申请一个微软账号)
• 官网下载安装 CUDA Toolkit
• 检验CUDA安装是否成功
• CUDA安装成功后的使用

二、前提

CUDA在安装之前，需要看NVIDA的官方CUDA安装文档。

CUDA 11.2： https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

下载安装CUDA需要有NVIDA的显卡、Windows系统、Visual Studio。

三、查看电脑显卡驱动信息

一般新买的电脑都带有。

官网下载：https://www.nvidia.cn/geforce/drivers/

四、下载安装 Visual Studio（非必要）

官网：https://visualstudio.microsoft.com/zh-hans/（选择社区版即可）

勾选“C++的桌面开发“，然后下载到本地。

选择安装位置进行安装。

五、NVIDIA CUDA Toolkit 10.2安装

cuda只能运行在英伟达的显卡上

第一步，系统检查，如果下载的和NVIDIA控制面板结果一致，则显示绿色通过提示；

第二步，许可协议，同意并继续；

第三步，一般选择自定义安装，选择全部即可

第四步，选择安装位置，可以自己设置，也可以遵循系统设置（装在C盘）

第五步，如果没有安装Visual Studio，需要勾选下面方框，然后Next。

第六步，查看版本是否安装成功。

nvcc -V                            # 出现下列说明安装成功

nvcc: NVIDIA ® Cuda compiler driver
Copyright © 2005-2019 NVIDIA Corporation
Buiit on Wed Oct 23 19:32:27 Pacific_Daylight_Time 2019
Cuda compilation tools, release 10. 2, v10.2. 89

如果安装不成功，则需要配置环境变量。

电脑右键属性—>高级系统设置—>环境变量（系统变量path）

六、创建PyTorch环境

6.1 方法一：

卸载原来的pytorch和torchvision，之前没有安装则忽略这一步。

打开Anaconda Prompt：

①创建PyTorch环境

conda create -n pytorch python=3.7

②激活PyTorch环境

conda activate pytorch            # pytorch为环境名

③登录PyTorch：https://pytorch.org/，找到命令：

(pytorch)C:\user>conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

④查看是否安装成功：

nvcc -V

⑤退出：

deactivate pytorch

⑥删除虚拟环境

conda remove -n 环境名称 --all

6.2 方法二（推荐）

直接以管理员身份运行cmd，然后在串口输入：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

七、pycharm中添加conda环境（不选择创建虚拟环境）

在pycharm中新建一个工程（new project）—>选择已经存在的环境解释器（Existing interpreter）—>选择（Conda Environment）—>选择Anaconda安装的python解释器（python.exe文件）—>勾选Make available to all projects。

说明：这种情况方法简单，但是会造成环境污染。自己电脑中包会非常多，不便于后期管理。

八、测试pytorch是否安装成功

import torch
print(torch.__version__)    # 打印pytorch的版本
print("gpu:",torch.cuda.is_available())   # 查看torch是否支持gpu

E:\A_code\1\venv\Scripts\python.exe E:/A_code/1/test.py
1.8.1
gpu: True

Process finished with exit code 0

说明环境已经配置成功

九、当程序运行时，在windows终端中查看当前GPU的使用率

nvidia-smi