用Anoconda创建虚拟环境安装Pytorch

  • 1.打开anoconda的命令行
  • 2.配置源
  • 3.创建环境
  • 4.进入环境
  • 5.安装numpy包
  • 6.安装与GPU相对应Pytorch
  • 7.检查安装是否成功


1.打开anoconda的命令行

conda创建环境指定python版本为当前电脑版本 conda创建pytorch环境_人工智能

2.配置源

由于国内访问外网速度可能比较慢，所以我们使用国内镜像来提高下载速度。具体步骤官网均有：
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ Windows 用户无法直接创建名为.condarc的
文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

  • pip install pip -U
  • pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3.创建环境

conda create -n pytest36 python=3.6 创建一个名字叫pytest的Python3.6的环境，其中-n意思就是-name，名字命名随意
这个3.6版本的Python的位置在condaPath/envs/testpy36（环境名）/Python

4.进入环境

conda activate testpy36 激活这个环境。所谓激活这个环境，意思就是现在使用的Python是pytest这个环境下的Python，即Python3.6，并且使用的包也都是pytest这个环境下安装的包。
可以理解为一台叫base的电脑上装一个Python3.8，然后另一台叫pytest的电脑上装Python3.6，
anaconda就是模拟了这样的两台电脑，并且你激活了pytest这个环境就相当于你在使用pytest电脑及其电脑上装的包，比如numpy，pandas等。

5.安装numpy包

特别注意，要在安装的环境中先安装numpy包，笔者未安装numpy包进行下一步时，就会出现如下报错：

conda创建环境指定python版本为当前电脑版本 conda创建pytorch环境_人工智能_02


当然，要是没出现报错就最好，因为Pytorch的安装有时候就挺迷的。

6.安装与GPU相对应Pytorch

因为cuda坑特别多，且同样的方法，并不会适用于所有的电脑，这里介绍比较简单通用的方法。

在保持网络通畅前提下：

1.首先，检查电脑是否有英伟达的GPU：

Ctrl+ALT+Del呼出任务管理器，性能，看GPU有没有nvidia字样，如果只有AMD或者Intel，那就说明

该电脑无法配置GPU版本，创建环境后，直接输入

pip install torch==1.6.0+cputorchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html 友情提醒：有听说过笔记本选手把显卡烧坏过的情况，做实验的时候请注意好温度控制。

2.如果显示有nvidia显卡，首先先升级显卡驱动至最新版本：

https://dl.360safe.com/drvmgr/360DrvMgrInstaller_beta.exe

下载后安装完成，升级显卡驱动即可，如果不知道哪个是显卡驱动的话就一键升级所有驱动吧。

3.在确保显卡驱动足够新的前提下，再查看一下自己的显卡的cuda

https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html

然后从官网https://pytorch.org/get-started/locally/

conda创建环境指定python版本为当前电脑版本 conda创建pytorch环境_Python_03


pytorch的话没有发现对10.2有什么问题，如果担心兼容请选择10.1

首先自然是先创建一个环境，然后激活进去

由于要使用国内镜像，所以命令行应为conda install pytorch torchvision cudatoolkit=10.2

如果报错torchvision 找不到，则先输入conda install pytorch cudatoolkit=10.2

然后单独安装，输入命令（后面的网址也要输）：pip install torchvisinotallow===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

完成后，输入python，然后import torch看安装是否成功

可能需要VC++库，按提示安装即可

7.检查安装是否成功

在相应环境下运行以下网址的代码检查是否安装成功。

需要注意的是，这个方法成功率高，但是仅限当前环境可以使用，如果有大量深度学习环境切换需求，请根据自己电脑的实际情况安装cuda与cudnn。

最后，如果出现了什么问题，将该环境删除，将如上过程重复

该贴内容主要源自于笔者所在学校他人分享，也希望能帮助大家避免一些坑。