windows下anaconda安装及使用

        Anaconda下载anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirror.tuna.tsinghua.edu.cn/help/anaconda/

安装完注意检查下环境变量，应该有以下几个文件被添加进路径

启动 anaconda prompt，换源

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

conda config --set show_channel_urls yes

创建新环境语法格式        conda create -n name python=x.x

这里创建pytorch环境       conda create -n pytorch3.6 python=3.6

激活环境 activate pytorch3.6

如果出现错误：‘chcp’ 不是内部或外部命令，也不是可运行的程序或批处理文件。

在系统变量的path中，追加 C:\Windows\System32 即可解决

安装pytorch环境 Start Locally | PyTorchhttps://pytorch.org/get-started/locally/

选择对应的版本，需要注意的是，将指令复制过来的时候，要除掉最后的-c pytorch，即对于这样的指令conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch，我们最终在命令行上应写为conda install pytorch torchvision torchaudio cudatoolkit=11.3，否则会导致下载采用官方源。

个人安装时，新版本一直无法使用，最后安装了10.2版本才成功   

输入

pip install d2l -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

安装d2l

完成安装后在anaconda prompt中输入

Python

import torch

import torchvision

print(torch.__version__)

print(torch.cuda.is_available())

如果正常输出版本号和ture则为安装成功

最后输入conda deactivate退出。

贴一段测试代码

import torch
import time

a = torch.randn(10000, 1000)    # 返回10000行1000列的张量矩阵
b = torch.randn(1000, 2000)     # 返回1000行2000列的张量矩阵

t0 = time.time()        # 记录时间
c = torch.matmul(a, b)      # 矩阵乘法运算
t1 = time.time()        # 记录时间
print(a.device, t1 - t0, c.norm(2))     # c.norm(2)表示矩阵c的二范数

device = torch.device('cuda')       # 用GPU来运行
a = a.to(device)
b = b.to(device)

# 初次调用GPU，需要数据传送，因此比较慢
t0 = time.time()
c = torch.matmul(a, b)
t2 = time.time()
print(a.device, t2 - t0, c.norm(2))

# 这才是GPU处理数据的真实运行时间，当数据量越大，GPU的优势越明显
t0 = time.time()
c = torch.matmul(a, b)
t2 = time.time()
print(a.device, t2 - t0, c.norm(2))

最后贴一点常用指令

Conda env list	查看所有虚拟环境
Conda --show channels	看源
Conda -n name python=X.X	创建虚拟环境
Conda env remove -n name	删除虚拟环境
Activate name	启用环境
Conda list	查看环境中的包
Conda deactivate	退环境
Conda config –add ip	加源
Conda config –remove ip	删源