新电脑从0安装pytorch

摘要

买了个新电脑，从零开始安装python深度学习的代码环境，其中遇到了一些问题，在此记录步骤以及问题的解决。安装中搜了很多博客，所以本文中难免有复制部分，不过，文化人的事，哪能叫抄呢？

1.安装 Anaconda

1.1.为什么

1. Anaconda方便管理环境。
   这里要提到PyCharm，PyCharm对每一个新建项目，都会为他创建一个虚拟环境，并放在对应项目中，具体到文件存储就是项目文件中的“venv（virtual environment）”。这样做的好处是，我把整个项目给到别人时就不用再配置环境了，相应的、整个项目文件的大小会大很多。
   当我了解到这些时，我发现以我现在的代码量并不需要很多的环境，而且环境多了占据存储、每次打开或者新建都要等待些许时间，相比之下，我还是觉得用 VS Code 更好一些。用了 VS Code 之后，项目大小就是代码的大小了，显的更精简。
   当使用 VS Code 编写代码时，使用Anaconda管理环境是比较方便的，毕竟代码总是需要编译器的。
2. 安装 Anaconda 自动安装 Python 以及一些常用包。
3. Anaconda 有一个 Jupyter，可以在网页上写 Python，并且可以执行代码的一部分，适合学习 Python 相关知识，但我用的很少，还不太熟。

1.2.步骤

1. 官网下载安装包：https://www.anaconda.com/download/
2. 翻到最下面，选择系统和位数，点击下载：
   
3. 一直 next，直到下图。just me 是指当前用户；All Users 是指所有用户。如果你不懂在说什么，那 just me 就好了。一般情况下，也是 just me 即可。
4. 一直 next，然后自定义安装位置，再往后有下图。（点击窗口，alt+截图键；在博客编辑区，ctrl+v）
   记得把第一个打上勾（截图时还没√），这是配置环境变量，之后 install（完了，多装了一版，为什么没有取消键）
   

2.创建环境

2.1.命令行

在Windows系统的开始界面，找到 Anaconda Prompt 窗口，这个窗口用来管理Anaconda，使用 conda 命令。

2.2.conda 常用命令

1. conda list 查看安装了哪些包。
2. conda env list 或 conda info -e 查看当前存在哪些虚拟环境
3. conda update conda 检查更新当前conda
4. conda --version 查询conda版本
5. conda -h 查询conda的命令使用

2.3.虚拟环境相关命令

1. 创建python虚拟环境
   命令： conda create -n your_env_name python=X.X
   结果： 创建python版本为X.X、名字为your_env_name的虚拟环境，虚拟环境可以在Anaconda的安装目录envs文件下找到
   注意1： 默认情况下只安装了一些必须的包，并不会像安装anaconda时那样自动安装很多常用的包。若要实现上面的功能，则须在末尾加上“anaconda”，完整命令是：conda create -n your_env_name python=X.X anaconda
   注意2： 若不指定python版本，自动安装最新版本。
   注意3： 从前面可以知道，我们安装anaconda时，自动安装了python3.8，但是在创建虚拟环境时，可以要求python版本为3.7或者其他，在创建环境时，会重新安装一个版本的python以及一些必要的包。如下图，打完命令之后，会出现一大堆东西，然后问你“y/n”，选 yes 开始安装和下载一些东西。
   
   注意4： 在安装时，会发现下载很慢，那是因为没有配置国内源，按Ctrl+c终止安装，进行配置，配置步骤见8。

2. 创建带包的虚拟环境（在后面加上包的名字即可）

   命令：conda create --name your_env_name package_name_1 package_name_2 … ​ conda create --name your_env_name python=X.X package_name_1 package_name_2 …

3. 进入环境

   命令：activate your_env_name 或 conda activate your_env_name

   结果： 可以在具体环境里安装所需要的包

4. 退出虚拟环境

   命令：conda deactivate env_name

5. 复制某个环境

   命令：conda create --name new_env_name --clone old_env_name

6. 删除虚拟环境

   命令：conda remove --name your_env_name --all

7. 虚拟环境——外部包

   查看：conda search package_name

   安装：conda install -n your_env_name package_name

   ​ conda install package_name

   ​ conda install package_name=X.X.X（x.x.x代表版本）

   更新：conda update package_name

   删除：conda remove package_name

8. 配置国内源

   在创建虚拟环境或者安装某些包的时候，会发现下载的很慢，这时候需要配置国内源，也就是文件在国内的副本，这样下载会快很多，一般会配置清华镜像源，当然也有其他源，只是这里我配置的是清华源。

   配置清华源的命令不止一种，其他的不清楚，在这里，由于我使用anaconda管理环境，所以使用了conda命令，以下是我从其他博客参考的anaconda配置清华源的步骤。

   步骤1： 进入创建的环境（在base环境也是可以的，base环境就是安装anaconda之后自带的环境）

   步骤2： 在环境里运行如下代码：

   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 --set show_channel_urls yes
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
   
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
   
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
   

   步骤3：完成之后，在C盘中，找到用户里的用户名文件夹（文件夹名称是用户名称），在里面找到**.condarc**文件，用记事本打开，把里面的https改为http，并且删掉-default，保存。

   步骤4： 就是安装了，或者这时候再去创建个环境，看看是不是还这么慢。

2.4.本步操作

1. 配置清华源。步骤如上，配置一次之后，会在C盘用户文件夹下改变.condarc文件的内容，所以如果可以的话，直接把那个文件复制替换，应该就直接成功了，而且成功一次之后，不需要再配置，因为配置的变化就是那个文件的内容改变了。
2. 创建一个虚拟环境。

3.安装 VS Code

为节省时间，只列出步骤，具体内容网上有很多。

3.1.官网下载

1. 地址：https://code.visualstudio.com/

2. 参数：User Installer（单用户安装）

3.2.自定义安装

1. 将“通过code打开”操作添加到Windows资源管理器文件上下文菜单：文件右击，会出现“通过vscode打开”选项
2. 将“通过code打开”操作添加到Windows资源管理器目录上下文菜单：文件夹右击，会出现“通过vscode打开”选项
3. 添加到PATH：必勾，若没勾，建议重装

3.3.汉化

3.4.安装python扩展

写个python文件，会自动提示安装

3.4.问题及笔记

1. 在VSCode左下角，可以选择python的虚拟环境，一开始是base环境，将它改成你创建的环境。（最好不要动base环境，我怀疑新创建的环境会借助base环境，但也不确定，总之就别动了）

2. 在后来安装pytorch时，经常发现安装有问题。一开始我发现在VSCode命令行中，命令行的左端没有(base)或者(your_env_name)，正常情况下，在进入到虚拟环境后，左端是会出现 （环境名称）+当前所在路径。但是我反复操作进入环境命令，始终没有变化，作为新手我有些不自信了。

   之后一番操作无用，我发现左端不是 （环境名称）+当前路径，而是PS+当前路径，然后百度一番，发现PS好像是另一种控制台，名为powershell，于是我在VSCode里把它改成cmd之后，一切顺利。（新安装的VSCode似乎初始默认PS，因为powershell位于第一个）
   
   
   
   经过重复测试，关于本笔记的纠正：

   我在另一台电脑重新走一遍，VSCode确实默认powershell，但当我写了一句python之后，直接运行出了结果，并且终端类别由powershell变成了python。但是命令行左端并没有 （环境名称）+当前路径。

   我疑惑，在VSCode的左下角选择新创建的虚拟环境（默认是base环境），命令行左端依旧没有 （环境名称）+当前路径。

   我在终端使用命令行进入新创建的环境，VSCode提示我没有安装（？？？一闪而过忘记了），我点了install，由于配置了清华源，迅速安装好了。值得一提，我在之前的电脑没有配置清华源时，VSCode总是时不时的提示我这个东西没安装，当时我点击install基本没反应，现在看来可能当时是因为没配置清华源，点了install之后下载速度过慢导致没有反应（怀疑）。

   在用命令进入虚拟环境之后，最左端终于有了 （环境名称）+当前路径，并且退出这个环境之后，依旧会显示 (base)+当前路径

   总结，当时遇到这个情况时，很复杂，没有配置清华源，命令进入环境没有反应（可能是因为上面说的？？？没安装好），安装总是莫名其妙停住，报错，后来真的是把powershell改成了cmd才成功。但是这次我使用命令进入环境，提示没有安装之后，很快就安装好了，所以这个问题似乎也不会再重现。

3. 关于powershell和cmd，确实是有区别的，我将终端默认改成powershell之后，每次运行python文件都会在左端显示PS，这跟上次的错误，在后期的场景是一样的，改回cmd之后，一运行就会在左端显示（虚拟环境名）。所以以后，如果出现PS，就把终端默认改成cmd即可，否则…，否则我试了一下，普通的py文件还是能跑的，一些常用包也可以安装…（-_-！）我之前的问题到底在哪（-?-）

4. VSCode 左下角选择环境变量，是以绝对路径的方式选择python编译器，而activate这种以命令进入虚拟环境的方式是以左端（环境名称）为优先的，括号里是哪个环境名，就优先用哪个编译器。但这两种在VSCode发生了矛盾，因为绝对路径不存在在环境变量里找python这一说，所以左端括号里的环境即使再优先，我是绝对路径，就没有你的份。

3.5.VSCode相关操作

当我写完这个文章，我已经熟练了在cmd里操作conda，所以有些操作，可以在VSCode的终端做，也可以在Windows终端做。重点是区分powershell和cmd，以及VSCode的左下角选择环境和终端命令行左端的括号指明的环境的区别。

当然，我写之前，是希望在VSCode终端，利用左下角选择环境，然后安装pytorch，借此避过conda进入环境的命令，现在看来似乎并不必要。但以后写代码也用得到VSCode。

4.安装 cuda和cudnn

如果电脑有GPU，那就安装cuda。如果没有GPU，跳过这一步。

4.1.确认cuda版本

1. cuda：由英伟达推出的通用并行计算架构。
2. 进入pytorch官网：https://pytorch.org/，在官网可以看到各个参数，默认。
   
3. package选择conda，是因为我是用anaconda来管理环境。
4. 最后一个参数CUDA是cuda可用的版本，需要注意，cuda不止这些版本，但只有这些版本可以在pytorch框架里使用。这里我选则了10.2。
5. 最后一行的命令，是用来安装这个框架的命令。注意，在复制之后要把最后的 -c pytorch去掉，这个参数意味着要从conda官网下载安装，这会忽视掉配置好的清华源。（是否是从conda官网下载我不肯定，但我觉得很可能是，其实我是在conda官网和pytorch官网之间徘徊）（再一个，这个参数有这样的效果我也是听人说的，本人没有亲自测过，但之前没有删掉这个参数的时候，安装一直卡死，后来我重新配了一遍源，又删掉了这个参数，瞬间完成，正如你所看到的，我不能确定之前是源配错了，还是没有删掉这个，但我更倾向于之前是因为没有删掉这个参数）
6. 注意，现在并不下载安装pytorch，而只是在这里看看cuda的版本。

4.2.下载cuda

1. 首先你需要注册一个英伟达账号，就点开下面的网址吧，右上角有登录/注册，没有账号无法下载。

2. 然后到这个网址去下载需要的cuda版本。

   cuda各版本官方下载地址：https://developer.nvidia.com/cuda-toolkit-archive（这个网址真的跟迷宫一样）
   

3. 找到对应版本，进去，选择参数。其中最后一个选择exe(local)，表示在主机上用。

4. 下载（包括补丁）

4.3.安装cuda

1. 注意顺序，先装大包，后装补丁。

2. 双击安装，随后弹出一个路径。注意这个路径不是安装路径，推测是一个缓存路径，因为这个文件夹是隐藏文件夹，并且默认位于用户的temp下，安装成功之后，这个文件夹下没有东西。所以这个路径就不要改了。
   

3. 安装过程，选项默认，需要打勾的就打勾。

4.4.测试安装是否成功

1. 在C盘，找路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA，在这个路径下，存放的是各个版本的cuda，每一个版本对应一个文件夹。
2. 找到安装的cuda，进入他的bin文件夹，复制路径，在win命令行中，进入这个文件夹。
3. 运行指令nvcc -V，可以看到安装的cuda版本。如果正常，那就没问题了。但如果是“不是内部或外部命令…”，那意味着没装上。其实我在旧电脑上操作了一番，旧电脑的显卡很低，安装好之后打开那个bin文件夹，会发现根本就没什么文件，这也说明没装上。
4. 有个问题，我新买的电脑显卡2060，旧的电脑显卡很低，但他们跟cuda10.2都不是匹配的，新电脑的比10.2版本要高，安装成功，旧电脑似乎根本无法承受。（当然这里面也有说法，我尚不清晰，大概就是什么型号的显卡能承受什么版本的cuda，但只要记住，显卡越高越好，高的兼容低的）

4.5.下载安装cudnn

1. 同样需要英伟达账号。

2. cudnn：为深度学习计算设计的软件库。

3. 需要对应安装的cuda版本。

4. 地址：https://developer.nvidia.com/rdp/cudnn-download （如果有调查，随便点点就行了）

5. 选择版本，选择系统，下载。

6. 解压，获得cuda文件夹，在里面又有3个文件夹“bin、include、lib”。

7. 找到cuda安装路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\10.2（所安装版本），在里面找到“bin、include、lib”，把cudnn三个文件夹的内容，复制到cuda安装路径里。即可。

   4.6.验证是否可用

   1. 找到路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
   2. 在cmd控制台，进入这个文件夹。
   3. 运行bandwidthTest.exe，如果Result=PASS，则成功。同时可以看到GPU型号。
   4. 运行deviceQuery.exe，如果Result=PASS，则成功。
   5. 以上表示，cuda和cudnn安装成功。

5.安装 pytorch

5.1.检查是否有合适GPU

如果有，需要安装CUDA和CuDNN

5.2.安装CUDA+CuDNN

见标题4

5.3.安装pytorch

1. 如果使用pip命令，那么在最下方的Run this Command：会有一个网址，去那里下载。（需要下载两个包，我没这样做，不赘述）
2. 如果在Package里选择Conda，则在最下方的Run this Command：有一个命令，注意把最后的-c pytorch删掉，然后进入需要安装pytorch的虚拟环境，运行这个命令。

5.4.测试

1. 创建.py文件

2. 输入以下代码

   import torch
   print("{}".format(torch.__version__))  # 输出pytorch版本
   print("{}".format(torch.cuda.is_available()))  # 输出cuda是否可用，true为可用