Windows11环境下配置深度学习环境（Pytorch）

1. 下载安装Miniconda

1. 下载安装包：镜像文件地址
   
2. 将Miniconda相关路径添加至系统变量的路径中。
   
   
3. 打开Anaconda Powershell Prompt，输入conda --version

2. 新建Python3.9虚拟环境

新建虚拟环境命令： conda create -n conda_name python=x.x(带python版本的)
新建python39环境:conda create -n python39 python=3.9
进入python39环境：conda activate python39

添加清华镜像网站到Anaconda：

conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

如果需要 jupyter notebook可以使用conda或者pip命令进行安装：

pip install jupyter notebook

在当前目录下输入 jupyter notebook即可打开。

3. 下载英伟达驱动

1. 下载nvidia驱动软件：官网下载，登录，下载驱动。（判断自己的电脑是否有英伟达的显卡，没有显卡不需要安装驱动。）
   
2. windows+R，输入cmd，打开命令行，输入nvidia-smi，查看显卡驱动信息。
   
   这里的CUDA version：12.3代表Cuda driver version是12.3，是与显卡的驱动相关的。

4. 安装CUDA版Pytorch

判断自己的电脑是否有英伟达的显卡，没有显卡不需要安装CUDA。

1. 确定显卡算力

• 显卡由 GPU、显存等组成，大部分情况下我们所说的 GPU 就等同于显卡，但是实际情况是 GPU 是显示卡的“心脏”、核心零部件、核心组成部分。GPU 本身并不能单独工作，只有配合上附属电路和接口才能工作，这时候，它就变成了显卡；

• 显卡算力是指显卡处理信息的能力。
  找到显卡对应算力：算力查找

• CUDA Runtime 是以 CUDA Driver 为基准开发的运行时库；

• CUDA Runtime Version 是指 CUDA 运行时的版本，也就是这一部分需要确定的 CUDA 版本。
  CUDA Driver Version 和 CUDA Runtime Version 要充分发挥显卡的算力，此外，CUDA Driver Version 还要满足 CUDA Runtime Version 的某些新功能，所以三者之间的关系需要满足：“显卡算力对应的 CUDA 版本≤CUDA Runtime Version≤CUDA Driver Version”。

2. 在pytorch官网选择你要安装的版本信息，选择pip或者conda安装方式，然后下面会显示你需要安装的安装命令。
   
   复制代码到powershell,注意要删除-c pytorch（不删除默认使用官网网站地址下载，删除之后下载要快一些，网速好也可以不删除）：

#原本
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
#删除之后
conda install pytorch torchvision torchaudio pytorch-cuda=12.1  -c nvidia

3. 查看是否安装成功：

import torch
print(torch.__version__)

5. CPU版本pytorch安装

1. 在pytorch官网选择你要安装的版本信息，选择pip或者conda安装方式，选择CPU版本，然后下面会显示你需要安装的安装命令。
   
2. 复制代码到powershell,注意要删除-c pytorch（不删除默认使用官网网站地址下载，删除之后下载要快一些，网速好也可以不删除）：

#原本：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
#删除之后
conda install pytorch torchvision torchaudio cpuonly -c pytorch

3. 查看是否安装成功：

import torch
print(torch.__version__)