conda安装pytorch

pytorch官网：https://pytorch.org/get-started/locally/

前置条件：已经安装python，anaconda

做法2：

在经过一系列操作之后，发现其实可以直接通过anaconda navigator在虚拟环境里安装需要的包

做法1：

1.换源

进入清华镜像网站

anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

在C盘的用户文件夹下找到.condarc文件并修改其中的内容

如果找不到文件，则执行以下命令，生成文件后再修改

conda config --set show_channel_urls yes 

（这步操作把下载源换成了清华源，如果想恢复默认源：“conda config --remove-key channels”）

找到该文件后，用记事本打开 然后输入官方提供的channels并保存：

（红框中的内容）（在网上查了很多博客都是直接放一大段链接上来，试了几个发现没有用，是因为博客年代久远，网站已经更新了，所以要直接去官网看最新版本）

.运行conda clean -i清除索引缓存，保证用的是镜像站提供的索引。

conda clean -i

2.创建虚拟环境

创建一个名为myenv的带有python3.9的虚拟环境（python版本自行选择）

conda create -n myenv python=3.9

激活虚拟环境

conda activate myenv

3.安装 

输入以下指令查看cuda版本

nvidia-smi

             

 在pytorch官网安装自己需要的版本（一开始以为只能安装cuda version对应的cuda toolkit（11.0），但新版的torch没有提供cuda11.0版本对应的版本，最早能找到的版本是1.7.1，这也导致了在后续使用过程中发现torch版本过低，有些功能没法用，于是又在nvidia官网重新安装了cuda10.2版本，然后安装了最新版本的torch）

Previous PyTorch Versions | PyTorch

使用ctrl+f快速查找匹配的版本

 

 

 cuda11.0对应的指令如下:

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

4.测试 

测试是否安装成功

pytorch的官方测试样例

可以正常输出 

在网上查找到的其他测试方法： 

python
import torch
import torchvision
print(torch.cuda.is_available())

测试结果为true 

踩坑1：直接pip install安装

直接下载速度极慢，遂寻找其他方法。

踩坑2（大坑）：404

转换镜像源时盲目使用csdn博客上的清华镜像链接，结果发现因为博客日期久远均不能使用，多次出现404的情况。

踩坑3：没有安装cuda

第一次安装后，可以运行官方代码，但发现torch.cuda.is_availavle()的结果是false

输入nvcc -V指令后没有反应，发现自己没有装cuda，又跑去nvidia官网重新安装

参考链接：Pytorch安装（CUDA11.1）_迟步彩云的博客-CSDN博客_cuda 11.1 pytorch

出现的问题：

在安装pytorch后出现了类似下图的报错信息

报错：pip’s dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
pip 的依赖项解析器当前未考虑安装的所有包。此行为是以下依赖项冲突的根源。
参考博客中的做法ERROR: pip‘s dependency resolver does not currently take into account all the packages that are inst_林几瑕的博客-CSDN博客_error: pip's dependency resolver does not currentl

利用下面的指令重新安装红字的包解决了

pip install XXX -i https://pypi.mirrors.ustc.edu.cn/simple