在windows系统上安装虚拟环境和pytorch

1 下载并安装anaconda

打开官网https://www.anaconda.com/products/individual?modal=commercial#Downloads，下载对应版本的anaconda，如下所示：

找到安装包所在的目录，双击安装包

• 点击Next
  

• 点击I Agree
  

• 选择你想安装的路径
  
  *勾选了Add PATH 那个选项，这样你不需要额外配置环境变量，但是如果你没有勾选（默认是不勾选的），那么你需要自己来配置环境变量
  

2 安装虚拟环境

• 直接创建虚拟环境：

#格式：conda create -n 虚拟环境名称 python版本
#比如下面创建一个名字为ai的虚拟环境，指定的python版本是3.8
conda create -n ai python=3.8

• 激活，切换和退出虚拟环境：

#1 激活虚拟环境
conda activate 虚拟环境名称
# 或者（根据安装完成后的提示进行选择）：activate 虚拟环境名称

#2 切换虚拟环境
#如果安装了多个虚拟函数，假如此时是在虚拟环境1中，如果切换到虚拟环境2中，那么执行执行如下命令：
conda activate 虚拟环境名称2

#3 退出虚拟环境
conda deactivate
#或者（根据安装完成后的提示进行选择）： deactivate

• 进入创建的虚拟环境，安装依赖包：

# 1、激活虚拟环境：
conda activate 虚拟环境名称

# 2、安装依赖包：
#首先将 requirements.txt放在用户家目录下，即C:\Users\o，然后执行如下语句
pip install -r requirements.txt

3 添加镜像源：

另外可以添加Aanaconda国内镜像配置，这样可以加快下载速度

• 清华TUNA提供了 Anaconda 仓库的镜像，运行以下三个命令:

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

• 如果清华源效果不好，可以将其删除，然后添加其它源，比如中科大镜像源：

#先查看已经安装过的镜像源
conda config --show
#然后删除上一步添加的镜像源
conda config --remove-key channels
#最后添加中科大的镜像源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

4 安装pytorch

在安装成功虚拟环境并激活虚拟环境 后便可以安装pytorch

4.1 安装cpu版本的pytorch

网站https://pytorch.org/，根据自己的软硬件配置选择对应的版本，

4.2 安装gpu版本的pytorch

在安装gpu版本的pytorch前必须先安装CUDA和CuDNN，其中CUDA ，是一种由NVIDIA推出的通用并行计算架构
cudnn：为深度学习计算设计的软件库

安装步骤：
1 . 检 查 p y t o r c h 版 本 所 支 持 的 c u d a 版 本 ， 下 载 对 应 版 本 的 C U D A
2 . 下 载 C U D A 安 装 包 ， 下 载 对 应 C U D A 版 本 的 c u d n n 安 装 包
3 . 安 装 并 验 证 安 装 成 功

下面我们就详细介绍一下安装步骤：

• 步骤一：查看主机支持的CUDA的最高版本

打开NVIDIA控制面板-帮助-系统信息-组件。红圈中即CUDA支持的版本号:11.1.114，所以只要是CUDA的版本不高于该版本即可，比如10.2版本也可以。如果显卡此时 支持的CUDA的版本较低可以先更新一下显卡驱动

• 步骤二：去Pytorch官网查看Pytorch所支持的CUDA版本

打开官网(https://pytorch.org/) - 点击install - 选择对应的环境 - 查看推荐安装的Pytorch综合包。

综上可知，这里选择Stable(1.8.1),Windows,Pip,Python,CUDA 11.1。然后系统给出了如下安装命令，只需要将如下命令复制到命令行中运行即可。注意：这里选择的CUDA版本不仅是当前电脑的显卡驱动所支持的版本，还要是当前的Pytorch所支持的版本，所以这里选择的CUDA版本是 11.1

pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

上述方法是在线安装，容易出现超时的错误，所以也可以安装Pytorch离线包：

下载离线包，进行安装。

打开Pytorch本地安装环境包的路径地址，如下所示：

打开网址后出现如下界面，找到torch1.8.1+cu111 ， torchvision0.9.1+cu111 和 torchaudio===0.8.1三个下载链接。这里cp36、cp37分别代表python3.6、python3.7，x86代表是32位操作系统

因为里边很很多版本，直接找比较麻烦，可以使用快捷键进行查找：

按住 Ctrl+F键，然后输入：cu111/torch-1.8.1可出现如下内容：注意，下面有八个版本，供选择，但是我的操作系统是windows 64位，并且在创建虚拟环境时指定的python版本是3.8，所以选择倒数第三个进行下载

然后按住 Ctrl+F键，然后输入：cu111/torchvision-0.9.1 可出现如下内容：这里选择倒数第三个进行下载

最后按住 Ctrl+F键，然后输入：torchaudio 可出现如下内容：这里选择倒数第四个进行下载

1.用迅雷下载会快很多。
2.用迅雷下载会改变名字。出现乱码。可能需要找到原文件名，进行重命名。这里直接重命名了。

然后打开cmd，切换到前边所下载的三个离线包所在位置的路径，运行如下命令

pip install 离线包.whl

即可安装成功

• 步骤三：打开NVIDIA官网，下载对应版本的CUDA

打开NVIDIA官网https://developer.nvidia.com/downloads - LEARN MORE - 立即下载 - 选择目标电脑的操作系统、位数(\times 86是指32位系统) - 选择exe(local)安装包 - 鼠标左键点击即可下载(cuda_11.1.0_456)。

如果找不到对应版本，也可以下载历史版本CUDA：

找到CUDA早期版本档案-点开链接-选择对应的CUDA版本-选择主机环境-下载安装包即可

• 步骤四：安装CUDA

无脑安装法：

安装下载好的CUDA包如下所示，双击打开，一直点下一步/next安装完成即可

此处这里的路径需要记一下，方便下边配置环境，然后安装就可以。

当然也可以安装到其他盘：

双击打开，选择解压缩的文件路径，选择自定义的安装模式，选择安装路径。点击安装。这里我安装的时候只有路径自定义了，其他都选择默认，安装完毕后，全选再关闭。没有像网上说的那样需要再手动设置系统变量

检测CUDA是否安装成功，打开cmd命令行，输入nvcc -V，若出现以下情况则安装成功。

如果不成功，可能需要配置环境变量，当然，通常情况下系统自动会配置好环境变量，一般不需要手动再去配置，

配置环境变量的过程如下：

（1）右击此电脑，点击属性

（2）点击高级系统设置

（3）点击环境变量

然后双击系统变量里面的Path

（4）把以下四个路径添加到这个path里就可以，注意，这里四个是上边最后的默认路径路面的此处我将安装的文件放到了D盘里，自己在添加环境变量时要根据自己的路径信息进行添加，不能死板硬套

• 步骤五：下载cudnn
  打开网址：https://developer.nvidia.com/rdp/cudnn-download
  
• 步骤六：安装cudnn

解压下载的压缩包，并将cudnn里边的bin文件夹、include文件夹、lib文件夹中的内容分别复制到CUDA的安装目录下的bin文件夹、include文件夹、lib文件夹中去

• 步骤七：测试是否安装成功

# 自动判断CUDA是否可以使用
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(device)#如果打印结果时true，则表示安装成功