Anaconda安装pytorch(tensorflow-cpu版)

前言

注：此文章为本人自己安装后所记录，参考的是其他博主的文章，若有不到之处，敬请谅解
另：由于tensorflow 的cpu版本和pytorch的cpu版本利用我所使用的方法几乎是一样的，在anaconda很简单，所以我只给出了pytorch的安装，但是它同样可以安装tensorflow cpu 版本，如觉得我的文章不够 明了请参考下面我给出的两个链接
在网上参考了几篇文章后，终于是将tensorflow 和 pytorch 同时安装好，故将其记录，以供来日参考
首先，我默认了你已经安装好了Anaconda，如果没有可以参考这里Anaconda安装，接下来切入正题
1）创建虚拟环境
由于本人自己也是个小白，水平有限，想要了解什么是虚拟环境以及为什么要创建虚拟环境请自行百度

首先：给出我参考的两个链接，你可以认为我的这篇是这两篇文章的结合版
1基于Anaconda安装tensorflow安装教程（亲身体验这种方法同样适用于pytorch的安装）
2利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装—免额外安装CUDA和cudnn（适合小白的保姆级教学）（同样由于我同时安装了tensorflow 和 pytorch ，所以我两个方法都用过，原理都是一样的，看你个人喜好）
首先点击这里的environments

点击左下角创建creat

然后会出来一个创建页面，name 那里填环境名字，可以自己随意命名，然后选择你的Python版本，我这里是3.8，完成后Creat就可以了

2）安装包

Anaconda 在创建时会自动安装一些基本的包，但是类似这种Pytorch 需要自己安装
这里一共分三步
第一步：选择你的环境，比如刚才我的环境名字叫 pytorch2 那么我就选到 pytorch2 这个环境，第二部，在包管理器那个地方设为"Not installde"(这样做是方便找我们要的包，也可以不用)，第三步，在搜索栏里搜索pytorch，当然你一可以手动在管理栏里面寻找并安装

选择包，注意：一共三个版本 pytorch pytorch-cpu 和 pytorch-dp ，那我们是要用的是gpu版本的，那么选择 pytorch 版本，如果没有gpu 的，可以选择安装 pytorch-cpu 版本（装好后直接就结束了），由于我是已经安装好了，所以这里只是拿这张图示意一下，安装过程中会有提示你是否安装其他包，点击Apply就好了

安装好之后，回到HOME界面，此时像什么jiupyter notebook 是没有安装的，需要自己点击安装的，点击 install

如果你是安装的cpu版本的话那么到这里就结束了，但是如果你是GPU版本的话还早的很呢

3）安装cuda支持

首先请确保你有NVIDIA显卡，并且请确定它的型号，有可能你还要对他进行更新，至于如何检测你的驱动型号以及如何更新，请看这篇文章利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装—免额外安装CUDA和cudnn（适合小白的保姆级教学），你完全可以按照这个博主的方法来安装，当然，我写这篇文章的主要目的还是为了记录（博主是利用国内的镜像源+conda 命令行安装，由于我运气还算好网速不错，所以直接通过官方给的镜像源安装，如果网不好的朋友可以按照博主的方式安装），那么接下来我就直接跳过如何查看显卡型号以及更新，直接快进到安装cuda支持首先打开conda 终端命令

进去之后输入 conda activate pytorch2 #这里的pytorch2是我的虚拟环境的名字，请使用你自己的名字

打开官网，根据你自己显卡型号支持的cuda版本选择，记住，这一步很重要，一定要参考利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装—免额外安装CUDA和cudnn（适合小白的保姆级教学），选择自己对应的版本

然后将这段语句复制到conda环境下运行，由于我已经安装了一次，再安装会发生冲突，所以只能以这种方式告诉你怎么做，运行该命令后

会出现一下界面：

图片来源于：利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装—免额外安装CUDA和cudnn（适合小白的保姆级教学）
输出y，然后回车等待就可以了，

4）验证

最后来测试一下是否安装成功
进入python环境，导入pytorch，以及查看cuda是否可用

python   #进入Python交互式环境
import torch   #导入torch
print(torch.cuda.is_available())   #验证cuda是否可用

最后，输出的是True，表明已经安装成功了！大功告成！