conda虚拟环境安装pytorch(gpu版本)纪实

1.创建虚拟环境

创建 python3.8 环境， openmmlab 可以换成自己想要的环境名

conda create --name openmmlab python=3.8 -y

使用如下命令查看是否创建成功

conda env list

创建成功

2.安装pytorch

（1）激活环境

先使用如下命令激活环境，your_env_name替换为自己的环境名就好，比如我的就是 openmmlab

conda activate your_env_name

（2）查看对应CUDA版本

用nvcc -V查看 CUDA 版本，我的 CUDA 和 cuDNN 是已经装在系统里的，所以虚拟环境里面也是有的

（3）下载对应版本Pytorch

在此找到要下载的 Pytorch 版本的 whl 文件 （要对应好 CUDA 和 Python 的版本） ：https://download.pytorch.org/whl/torch_stable.html

如我需要的就是下图中的这个版本，对应 $CUDA$ 11.6 $Python$ 3.8 $Win$ 系统，下的还是蛮快的

此外我自己还需要安装 torchvision ，所以我也下载了对应版本的 torchvision （注意 torchvision 和 torch 也有版本对应关系，这个可以百度一下。若两者版本不对应后续安装 torchvision 会重新下载 torch，还是特别慢的那种）

（4）安装whl

把下载完的 whl 文件放到某个根目录下，并让终端 cd 到那个根目录


使用 pip install 直接安装，torch-1.12.0+cu116-cp38-cp38-win_amd64.whl是对应的文件名

pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl

安装成功

当然因个人需求，我还要安装 torchvision ，所以继续安装 torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl

pip install torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl

安装成功

（5）验证安装

我们先 conda list 一下，看看是不是有我们装好的包

没问题

接下来要用 pytorch 看看是不是可用 CUDA，我们需要经历如下几个步骤：

1.在终端直接运行 python

这个很简单了，只要在终端输入一行代码

python

2.导入 torch 并验证 cuda 是否可用

import torch
print(torch.cuda.is_available())

Ture ! 搞定！

ctrl + z 退出 python

（6）退出环境

直接用 conda deactivate 退出当前环境

3.删除环境

如果要删除环境，可使用如下命令

conda env remove -n 环境名

over