从零开始的GPU版本Pytorch安装

最近在学沐神的d2l，记录一下自己安装GPU版本pytorch的过程和心得。
如果你是python初学者，甚至都没有安装过python，anaconda都没关系，跟着下述步骤就可以安装好gpu版本的pytorch
整个安装过程，我们只需要下载这些东西。进展顺利的话，只需要下载图上的一部分文件。

一、安装miniconda

我们需要配置一个环境来运行 Python、Jupyter Notebook、相关库以及运行书中（沐神的书）所需的代码，以快速入门并获得动手学习经验。
最简单的方法就是安装依赖Python 3.x的Miniconda。
如果已安装conda，则可以跳过以下步骤。访问Miniconda网站，根据Python3.x版本确定适合你的系统的版本。
我安装的是最新的Miniconda3
安装完毕之后，我们可以打开Anaconda Prompt通过以下代码创建自己的虚拟环境：
d2l是你的虚拟环境名称

conda create --name d2l python=3.8 -y

并且激活自己的虚拟环境：

conda activate d2l

我们可以在不同的虚拟环境下安装不同的python版本适应不同的项目。

二、下载cuda和cudnn

具体过程可以参考该篇博客中的第一步内容：
以下是我的gpu的cuda版本和安装的cuda、cudnn版本

可见我的gpu的cuda是11.6的版本。
因此我选择安装11.6.2版本的cuda

对应的cudnn是以下版本的for CUDA 11.x

安装完毕之后根据参考博客设置环境变量，替换文件，完成上述步骤后，可以进行下一步啦！

三、conda安装gpu版pytorch

方法（一）

进入cudatoolkit安装网址
前面安装的cuda都是11.6版本的，这里选择11.3版本

按照其他教程的要求是：上述命令复制下来，打开cmd直接粘贴并回车运行
但是因为使用miniconda，没有配置环境变量，所以所有的命令都还是在Anaconda prompt中进行（激活你的虚拟环境后）
运行后结果，如下图所示（图片没有截全，总之最下面会出现Y/N）


选择y即可安装。（因为在d2l环境中我已经安装好了上述文件，所以仅作展示）
安装之后（我在base环境中安装了上述文件，所以下图显示的是base环境中的conda list）可以输入以下代码查看：

conda list

可以看到以下列表：

然后可以进入python，输入下述代码，得到true就说明安装成功了！（我的base环境通过上述方法也安装好了gpu版本的torch）

如果安装不成功，可以设置镜像源之后再重复上述内容进行安装。
设置镜像源：
1、在刚刚的虚拟环境中输入以下代码：

conda config --set show_channel_urls yes

2、到C盘用户目录下找到生成的.condarc文件，用记事本打开文件只有一行文本，不管它，把内容替换为以下：

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirror.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud

保存好文件之后。
3、回到刚刚的虚拟环境，输入以下代码，查看源是否有设置好：

conda config --show-sources

这时应该会看到之前设置好的清华镜像源！然后重复上述操作，如果检查是否可用得到true则可以结束啦！

方法（二）

如果上述方法始终下载失败，可以用这个方法，你需要下载两个文件：
进入这个网站，
网站里面涵盖了所有pytorchGPU和CPU的版本，
找到与你的环境适配的版本手动下载就好。
比如因为我的cuda是11.x版本的，并且python版本是3.8，所以我下载的是这两个版本

下载好之后，通过cd命令进入到你下载上述两个文件的目标路径，然后通过pip install 通过tab键选择你要安装的文件，然后耐心等待即可

两个文件全部安装完毕之后，可以通过pip list 看到你安装好的文件，继续根据上文测试代码检查是否可用！
gpu版本的pytorch安装完结撒花~！

四、为Miniconda安装jupyter并为其添加虚拟环境

pytorch啥的都安装好了，内什么notebook也要安排一下。
因为用的是Miniconda，并没有自带jupyter notebook，所以我们还需要通过以下代码安装jupyter：

pip install jupyter

随便你在哪个环境中执行上述代码，我是在base和d2l两个环境中都安装了jupyter，这样不论我在Anaconda Prompt中使用哪个虚拟环境都可以通过输入jupyter notebook进入到我的notebook。
安装好notebook之后，进去会发现我们只有一个默认的环境，不能选择其他环境内核。

因此，我们要手动在jupyter notebook中添加自己创建的虚拟环境
首先，通过下述代码安装ipykernel（我在base和d2l两个环境中都装了）

conda install ipykernel

安装好之后，需要通过下述代码将环境写入notebook的kernel中：

# python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"
python -m ipykernel install --user --name d2l --display-name "d2l-pytorch"

执行后，可以进入到notebook，查看kernel：

这样，就可以在notebook中自由切换不同的虚拟环境了！