【pytorch】新的windows电脑从头搭建pytorch深度学习环境（完整版+附安装包）
文章目录
- 新的windows电脑搭建pytorch深度学习环境
-
- 电脑环境的配置
-
- 显卡驱动
- cuda
- cudnn
- pytorch开发软件的安装
-
- miniconda
- vscode
- pytorch环境的安装
-
- conda安装python环境
- 安装pytorch和torchvision
- 附录1：部分torch、torchvision、torchaudio版本对应关系
- 附录2：本文涉及的软件的网盘链接
新的windows电脑搭建pytorch深度学习环境
最近新买了一台台式机，配置是i5 13600KF + 3060Ti。我本身在工作中台式机上是使用pytorch上进行深度学习，因此需要从头搭建pytorch环境。此文算是记录一下，如果有人需要参考也是可以的。
电脑环境的配置
新电脑首先需要对环境进行一定的配置，简而言之就是装一下驱动+软件。
包括显卡驱动、CUDA、cudnn。以下是具体流程。
显卡驱动
一般显卡组装完成电脑是会自动安装驱动的，打开命令行敲nvidia-smi
就可以看到显卡驱动以及对应的版本。如下图，我装好的驱动是535.98，可以支持到的CUDA版本是12.2，因此我安装的CUDA只需要在12.2以下就可以了。
如果想要安装其他版本的驱动可以去英伟达驱动官网去下载。
https://www.nvidia.cn/geforce/drivers/
打开后是如下界面，根据自己显卡的型号就可以选择相应的驱动了。
下面是搜索结果，包括应用于Game或者Studio的驱动，可以是对游戏或者视频剪辑啥的有特殊优化？这个我不太了解，我选择的是Studio的驱动。点进去下载就行了。
cuda
cuda安装是为了深度学习的GPU加速运算平台。cuda版本的安装需要根据上面显卡驱动来安装。可以到下面英伟达官网去下载
https://developer.nvidia.com/cuda-toolkit-archive
界面如下，选择<=显卡驱动支持的版本就可以啦，我选择的是11.7，不会太新也不会太老。
安装后可以使用相应的cmd指令测试一下，cmd输入nvcc -V ，最后一行显示11.7版本说明安装成功啦。
cudnn
cudnn是针对深度神经网络库，和cuda配套使用，以下是具体下来的地址，需要注意的是cudnn是需要注册账号登入使用的。
https://developer.nvidia.com/rdp/cudnn-archive
打开后可以看到如下界面，选择和cuda匹配的版本就行了，比如我的cuda是11.7，那么cudnn可以选择8.7，8.8.等等，我选择是是8.7
cudnn是个压缩包，解压后直接扔进cuda安装位置就可以了。
安装后测试cudnn，可以进行测试，其实也可以不必测试，因为基本没啥问题，如果要测试的话就使用cmd命令行打开运行下面路径中的两个测试程序
一般结果都是Result = PASS
pytorch开发软件的安装
首先需要安装一些基本的开发软件 miniconda、(pycharm或vscode），我习惯使用vscode，就写vscode了。
miniconda
为什么是miniconda而不是anaconda ？因为anaconda太大了啊！一个几十M，一个几百M，普通用户用miniconda就够用了！
以下是具体的下载地址
https://docs.conda.io/en/latest/miniconda.html
安装过程很基本，不需要讲。
安装过后，cmd命令行测试一下。一般是会显示没有该命令，这个时候就在电脑中加入conda的Scripts路径就行了。
重新打开cmd输入conda，应该是如下提示。
vscode
一般是到官网去下载，如下面的链接
https://code.visualstudio.com/
但是一般会下载的很慢很慢，因此可以做一些操作，复制下载地址，然后换成国内镜像服务加速。
https://az764295.vo.msecnd.net/stable/695af097c7bd098fbf017ce3ac85e09bbc5dda06/VSCodeUserSetup-x64-1.79.2.exe
将下载地址中的 az764295.vo.msecnd.net 更换为 vscode.cdn.azure.cn 使用国内的镜像服务器加速。国内下载地址如下。
https://vscode.cdn.azure.cn/stable/695af097c7bd098fbf017ce3ac85e09bbc5dda06/VSCodeUserSetup-x64-1.79.2.exe
pytorch环境的安装
conda安装python环境
1.一般要先配置清华源，因为下载比较快，可以用如下代码
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
2.创建python环境
创建名为yrqcv，python=3.9的环境
conda create -n yrqcv python=3.9
创建之后可以激活试试，由base转为yrqcv说明没问题
安装pytorch和torchvision
方法1是进入官网直接安装提供的命令行安装，官网入口
https://pytorch.org/
但是我不习惯使用这样的方式，因为有些cuda版本他可能会跳过，演示不到，而且他会多装torchaudio，这个我不需要使用到
我还是想保存在本地直接安装，后面也方便移植。
方法2:离线安装（我本人使用）
进入以下网站，搜索你显卡的cuda版本直接下载whl文件
https://download.pytorch.org/whl/torch/
这个界面就十分清楚明白，你cuda版本适用的torch版本一目了然。我安装的是torch-1.13.0+cu117-cp39-cp39-win_amd64.whl
进入下面界面安装torchvision的whl文件，一般torch文件和torchvision需要对应,我选择是的torchvision-0.14.0+cu117-cp39-cp39-win_amd64.whl
https://download.pytorch.org/whl/torchvision/
下载完之后直接激活conda环境，pip install xx.whl 就可以安装啦。
装好之后验证一下，确认gpu是否可以用。
确认安装成功.
附录1：部分torch、torchvision、torchaudio版本对应关系
| torch | torchvision | torchaudio |
|---|---|---|
| 1.9.0 | 0.10.0 | 0.9.0 |
| 1.9.1 | 0.10.1 | 0.9.1 |
| 1.10.0 | 0.11.0 | 0.10.0 |
| 1.10.1 | 0.11.2 | 0.10.1 |
| 1.11.0 | 0.12.0 | 0.11.0 |
| 1.12.0 | 0.13.0 | 0.12.0 |
| 1.12.1 | 0.13.1 | 0.12.1 |
| 1.13.0 | 0.14.0 | 0.13.0 |
| 1.13.1 | 0.14.1 | 0.13.1 |
| 2.0.0 | 0.15.0 | 2.0.0 |
| 2.0.0 | 0.15.1 | 2.0.1 |
附录2：本文涉及的软件的网盘链接
包括miniconda，vscode，nvidia驱动，cuda，cudnn，pytorch，torchvision
电脑配置跟我相近的可以无脑下载。
链接：https://pan.baidu.com/s/1wAqUFDUYDQ8z3QQTa-oHBA 提取码：wigc
有用就点个赞呗！