零基础小白的pytorch安装与神经网络入门（踩坑指南）

参考视频教程：pytorch深度学习快速入门（但是具体的版本号需要结合自己的电脑配置，不要盲目跟视频选择）

神经网络相关的pytorch一系列安装与踩坑指南

• 安装重点：所装的anacoda、python、cuda、pytorch以及自己的显卡GPU、驱动的型号一定要匹配！不要盲目安装最新版本！90%的麻烦问题都是版本不匹配的锅！
• 示例版本：anaconda3 + python3.6 + cuda9.2 + pytorch1.2.0 + GPU: NVIDIA GeForce GT 730
• 具体怎么匹配会在教程里讲

1. 安装anaconda

• 为什么要安装anaconda：anaconda服务Python数据科学和机器学习，一次安装，一劳永逸；但如果从事Python其他开发领域并不需要上述的功能，或者完全可以用pip、venv等工具替代，那么可以不装
• anaconda安装网址：清华镜像源（官网收费）
• 我安装的是anaconda3-2022.10-windows版本，即安装时刻的最新版本

2. 切换环境

• 切换环境，即不同项目中不同版本pytorch的切换
• 从开始菜单打开anaconda命令行Anaconda Prompt（install），为了方便起见可以直接固定到开始菜单

• 在anacoda命令行依次输入下列命令：

conda create -n pytorch python=3.6 % 创建python3.6的环境，名为pytorch
conda activate pytorch % 切换到刚刚创建pytorch环境
pip list % 查看当前环境下有哪些包，会发现没有pytorch

• 其他一些有用的命令：

conda activate base % 切换到base环境
conda info --envs % 查看所有已安装的环境
conda remove -n pytorch --all % 删除该pytorch环境
conda clean --packages % 清除不用的包

conda uninstall pytorch 
conda uninstall libtorch % 这两条卸载pytorch（若用pip安装的pytorch则把conda改成pip）
conda uninstall -n base --all % 卸载base下的所有包

3. 安装pytorch

不用额外安装CUDA，就算你电脑不装cuda，只要装了cuda版本的pytorch就可以跑GPU了。啥意思呢，就是说pytorch那个cuda版本已经包含了跑GPU所需要的cuda核心模块，而电脑里单独装的cuda则更加全面，只装前者也可以，两者都有更好。当然前提是你的显卡本身要支持你装的pytorch-cuda版本。——引用自某个CSDN教程

• pytorch安装网址：pytorch官网

• 版本型号选择【重点】【重点】【重点】：

  • 首先，查看自己的电脑的驱动版本以及支持的CUDA版本

    • 方法1：在命令行输入nvidia-smi，可以看到下图第一行的Driver Version与CUDA Version
      我们安装的CUDA版本既要匹配Driver Version，又不能高于CUDA Version（具体怎样的Driver Version匹配怎样的CUDA版本可以在网上找到表格）

    

    • 方法2：在桌面右键，在NVIDIA控制面板左下角的系统信息可以查看

    • 可以看到我的驱动最高只支持CUDA11.2，但是！还不能马上安装CUDA11.2！

  • 其次，还要查看自己电脑的GPU型号的算力，由此选择合适的pytorch版本

    • 在这里可以查自己的GPU的算力
    • GPU算力与对应的pytorch版本可以在网上查到

  • 综合上述两者，选择安装的CUDA-pytorch版本：
    官网给的CUDA11.6和CUDA11.7对我的驱动来说版本太太太高了，于是我选择历史版本型号（见红色箭头），选择安装pytorch1.2.0对应的CUDA9.2
    

  • 【重要】本来选择的用conda安装，但是持续出现安装某package时失败的报错，搜了一下好多人说用pip安装就好了，于是选择了pip（如图wheel下面的代码），竟然成功了！不懂为什么但是很开心
    

• 将对应的安装代码复制粘贴到命令行

# CUDA 9.2
pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

• 检验pytorch是否安装成功：

  pip list % 有torch即为安装好了pytorch
  python % 进入python环境
  import torch % 若直接显示下一行则安装成功
  

• 检验CUDA是否安装正确并能被pytorch检测到：

  （接上一块代码）
  torch.cuda.is_available() % 若为True则成功
  

• 检验GPU能否正常使用：

  （接上一块代码）
  a=torch.Tensor([1,2])
  a=a.cuda()
  a
  

  • 这一步是关键！很容易出现报错：RuntimeError: CUDA error: no kernel image is available for execution on the device

  • 出错原因：显卡计算能力太低或pytorch版本太高；从pytorch1.3开始，即不再支持GPU算力在3.5及以下的GPU；在这里可以查自己的GPU的算力
    

  • 解决方案：参考这里，我第一次也遇到这样的问题，于是卸载重装了低版本1.2.0版的pytorch

4. 安装pycharm

• pycharm安装网址：pycharm官网

• 记住同样不要盲目下载最新版本，否则会出现各种玄学问题。我下载的是2021.1.1社区版，不会报一些莫名其妙的错误。

• 环境配置具体步骤见置顶视频教程。注：若显示conda可执行路径为空，卸载当前版本pycharm去下载历史旧版本的pycharm。

  • 配置成功：在控制台输入与上面一样的代码，同样显示True

• 在pytorch环境下安装jupyter的具体步骤见置顶视频教程。(又失败了，搞不定，pip和conda安装都报错，就放弃安装jupyter了，不过没关系反正在pycharm控制台直接敲代码也可以)

5. 剩下的神经网络入门

• 嗯…安装pytorch花了我三天时间，主要是我的破台式机显卡太垃圾导致卸载重装了好多个版本
• 剩下的神经网络入门同样推荐置顶链接里的b站小土堆的视频教程，非常详细，适合新手；同时配合自己对于不懂的地方查找教程食用，很轻松就能入门，这里就不多赘述了~