Pytorch环境配置——从零开始（不需要anaconda）

前面的文章，配置基本环境
Python 环境安装系统教程——PyCharm
pytorch学术界用的多，tensorflow工业界用的多。

网上很多pytorch的教程，都需要安装anaconda，其实不需要花那些时间去装一个anaconda，还占电脑很多空间。

下面讲一下不用anaconda的环境配置方法。

Pytorch环境配置

查看显卡信息

打开cmd，输入

nvidia-smi

如下图，得到电脑显卡信息，和CUDA版本，

NVDIA显卡驱动, CUDA, cuDNN概念及安装顺序
显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn区别？

NVIDIA的显卡驱动程序 和 CUDA完全是两个不同的概念！
CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包（ToolKit）。
当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的，我们可以更新我们的驱动。
所以，NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。

CUDA：为“GPU通用计算”构建的运算平台。
cudnn：为深度学习计算设计的软件库。
CUDA Toolkit (nvidia)： CUDA完整的工具安装包，其中提供了 Nvidia 驱动程序、开发 CUDA 程序相关的开发工具包等可供安装的选项。包括 CUDA 程序的编译器、IDE、调试器等，CUDA 程序所对应的各式库文件以及它们的头文件。
CUDA Toolkit (Pytorch)： CUDA不完整的工具安装包，其主要包含在使用 CUDA 相关的功能时所依赖的动态链接库。不会安装驱动程序。
（NVCC 是CUDA的编译器，只是 CUDA Toolkit 中的一部分）

安装CUDA Toolkit

1. 配置电脑的显卡：（1）允许独显直连。（2）配置使用GPU
2. 安装toolkit：在下面的官方网站下载：
   https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local
   
   因为我是11.6/7版本的cuda，所以这里选择11，然后选择local，下载即可。下载完之后直接安装就好了，一定一定不要更改任何选项，不要更改路径！！！
   安装好进入下一步。

下载pytorch的whl文件，pip本地安装

pytorch官网

在pypi搜索torch，下载到的只有cpu版本的，所以另求他法：
在这篇文章中附了这个链接下载，https://download.pytorch.org/whl/torch_stable.html这才是对的，
pytorch-whl下载地址和安装过程（附下载链接）
我是cuda11.7，兼容11.6，所以下载11.6的即可。

下载完之后，将这个利用pip安装即可。安装完，pytorch的环境就算配置成功了。

测试GPU是否运行

进入cmd之后

python

进入python环境
然后导入torch

 import torch

然后输入测试语句

torch.cuda.is_available()

输出为true则正确。

安装成功了。

pip在线安装

这个需要去官网，选择要安装的版本等等，然后网站上会生成一条pip语句，复制到命令框就可以下载了。