深度学习-环境搭建(安装Pytorch)

---

前言

入门深度学习过程中，我决定在笔记本上搭建深度学习环境。我笔记本的显卡是NVIDIA 1050Ti，似乎足以支撑。由于我之前已经安装过Anaconda，所以是要在Anaconda上安装GPU版本的pytorch

---

一、安装Anaconda

略。

大多数人更推荐安装的是Miniconda，特别适合新手，能够节省空间和时间。

---

二、查看电脑显卡支持的CUDA版本

1. 右键打开NVIDIA控制面板
   
2. 点击左下角系统信息，点击组件查看CUDA可支持的版本，后面的12.0.94说明最高支持CUDA12.0版本(因为我刚更新)。
   

---

三、更新CUDA版本

由于我几乎属于电脑配件盲。。几乎没有打开过NVIDIA显卡的相关程序，其实注册一个GEFORCE EXPERIENCE账号，然后下载更新这个Game Ready Driver(GRD)即可。我更新后，CUDA由11.2直接更新到了12.0，这样就可以下载最新的pytorch了。

---

四、创建并激活Anaconda虚拟环境

1. 打开Anaconda Prompt （最好用管理员身份运行！）
2. 输入命令conda create -n pytorch python=3.8.8（这里的’pytorch’是给虚拟环境起得名字，3.8.8是我Anaconda的python版本，似乎指定其他版本也可以）
3. 输入命令conda activate pytorch 激活pytorch虚拟环境。
   

需要创建虚拟环境而最好不在base下载的原因

在安装某版本PyTorch库的过程中，会自动替换其所有依赖库(比如numpy等科学计算基础库)至相应匹配的版本。而这些基础库又是其他某些高级库(比如Tensorflow、PaddlePaddle)的重要依赖，它们之间也有密切的版本对应关系；又由于那些高级库与PyTorch无关，所以在安装PyTorch的时候不会去自动替换掉那些高级库的版本。因此，自动换掉的基础库很有可能与其他高级库产生不匹配的冲突，导致原先功能无法正常使用，也就是原先的运行环境被污染了。为了避免这种污染的发生，最好新建一个环境，单独安装PyTorch及其依赖的所有库，互不干扰，避免毁坏原先辛辛苦苦配好的运行环境。摘自为什么安装 pytorch要创建一个新的虚拟环境?

---

五、安装pytorch

进入pytorch官网，找到对应版本。由于我们刚刚升级了CUDA，这里选择11.6，11.7均可。复制命令conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia到pytorch虚拟环境的命令行开始下载。

在安装过程中，遇到的选择，全部选择y。接下来就是漫长的等待（若中间过程卡顿，可以尝试用梯子，再不行可以考虑切换源）

PS：注意事项

若安装过程中出现若干WARNING conda.gateways.disk.delete:unlink_or_rename_to_trash(143): Could not remove or rename D:\Anaconda\pkgs\libnpp-dev-11.8.0.86-0\bin\nppif64_11.dll. Please remove this file manually (you may need to reboot to free file handles)的错误，只需要按照上述路径，找到对应的文件夹里的ddl文件，将其删除后重新运行下载命令conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia即可。

---

六、下载其他库

之后在pytorch虚拟环境命令行下，pip install pandas matplotlib notebook安装其他需要用到的库。

---

七、检查安装结果

安装完成后，输入jupyter notebook打开notebook，新建一个python3文件，输入import torch和torch.cuda.is_available()，若没有报错并且返回True即代表安装成功！！！

---

总结

以上就是Pytorch GPU版本的详细安装过程