Pytorch
1 简介
PyTorch是一个开源的Python机器学习库，基于Torch库，底层由C++实现，应用于人工智能领域，如计算机视觉和自然语言处理。它最初由Meta Platforms的人工智能研究团队开发，现在属于Linux基金会的一部分。它是在修改后的BSD许可证下发布的自由及开放源代码软件。 尽管Python接口更加完善并且是开发的主要重点，但 PyTorch 也有C++接口。
2 安装
2.1 准备条件
安装Pytorch前,必须安装Anaconda,可以参考我上一篇博客【Anaconda安装-CSDN博客】
查看cuda与显卡驱动对应版本，如下图：
查看 pytorch 与cuda对应版本，如下图：
查看pytorch与python对应版本，如下图
2.2 显卡驱动
首先查看自己显卡驱动版本
若没有显卡驱动或者想要重新下载则按照以下步骤进行安装：
点击进入Nvidia官网进行下载驱动:下载 NVIDIA 官方驱动 | NVIDIA
根据自己的显卡型号进行选择（显卡型号查看—打开任务管理器—点击性能–点击GPU即可查看）
如果你想要安装旧版本，则可以考虑直接搜索，这样够快
不过下载前需要看是否驱动适配系统与显卡
下载后直接点击安装，一直默认即可。
2.3 cuda安装
安装时，选择自定义安装，勾选下载组件如下：
然后一直点击下一步即可
2.4 安装 cudann
cudnn下载地址: https://developer.nvidia.com/rdp/cudnn-archive，选择对应的版本即可。
文件解压后，将解压的文件直接复制到先前cuda安装目录，直接覆盖即可
默认cuda安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
安装完即可打开cmd,输入命令：
nvcc -V
下图显示cuda10.0安装成功。
2.5 安装Pytorch
打开Anaconda prompt 创建虚拟环境
conda create -n PytorchTest python=3.6
**
需要注意的是
:**
- n后的虚拟环境名python=是创建的虚拟环境的python版本
一般来讲通过官网安装可能会非常慢，所以我们可以通过修改镜像源来加快下载速度，默认安装路径的Anaconda的./condarc在C:\Users\username文件夹下，以记事本打开，将以下镜像添加进去，保存即可。
cuda11.6以前的版本安装镜像（参考这位博主）：
conda install pytorch -c pytorch torchvision torchaudio cudatoolkit=版本 -c 镜像地址
（其中conda install pytorch -c pytorch torchvision torchaudio cudatoolkit=11.3是从官网复制的地址）
● 镜像地址：
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
北京外国语大学镜像：https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
阿里巴巴镜像：http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
南京大学镜像：https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/
cuda 11.6以后的版本适合以下镜像:
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
打开Pytorch官网(Start Locally | PyTorch)
Pytorch版本的选择一定要按照自己的显卡驱动与cuda版本以及创建的虚拟环境python版本对应，否则会造成后面安装失败以及使用异常。复制选择版本后的pytorch安装命令
**
需要注意的是
:**
conda install：这是conda命令的一部分，用于安装软件包。pytorch torchvision torchaudio：这些是要安装的软件包的名称，分别是PyTorch、Torchvision和Torchaudio。pytorch-cuda=11.8：这是一个特定的版本要求，指定要安装的PyTorch版本与CUDA 11.8兼容。-c pytorch -c nvidia：这两个参数表示要从哪些通道（channel）安装软件包。-c pytorch表示从PyTorch官方通道安装，-c nvidia表示从NVIDIA官方通道安装。
若想安装之前版本的pytorch，点击Previous PyTorch Versions | PyTorch，选择自己想要的版本，复制下载命令
接下来激活创建的虚拟环境
conda activate PytorchTest
**将复制的命令复制粘贴进去，特别注意：若想使用镜像源下载，则要将 命令中的
-c pytorch
删除，否则依然会很慢且可能会报错。但如果是很老的版本比如笔者的cuda 10.0对应的pytorch版本1.1.0,很多镜像源网站没有资源，要么参考这位博主用pip下载，要么用官网下载（因此建议，选择cuda11.8版本以上是适配驱动与pytorch以及python）**
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch
3 测试
3.1 控制台测试
安装完成后，先输入python，启动python环境，再输入以下代码，进行检测环境是否配置成功。
import torch
torch.cuda.is_available()
输出为True代表成功！！！
3.2 PyCharm 测试
点击进入官方下载界面，并选择以前版本进行下载
点击直接下载并安装
创建空项目。首先点击新建项目。
依次进行操作
找到自己Anaconda创建的虚拟环境文件夹下的python.exe，并点击确认。不知道的可以参考我上一篇博客的最后一部分Anaconda安装-CSDN博客。
点击创建项目
点击打开Python 控制台 输入以下测试代码，并回车确认正确引入如下图：
import torch
print(torch.cuda.is_available())
输出为True 代表成功！！！
4 注意事项
4.1 常见错误
第一个 PackagesNotFoundError，找不到对应的包，这种错误可以参考这位博主
第二个 torch.cuda.is_available()输出为False
,这种错误首先考虑pytorch,显卡驱动，cuda,python四者的版本是否匹配，其次考虑是否下载了cudann，如果都不是则考虑是否下载pytorch版本是cpu版本。
打开虚拟环境，输入以下命令：
python
import torch
print(torch.__version__)
若输出带是版本号+cpu则证明你是下错版本，删除包重新安装即可。
版权归原作者 害，猹又来了 所有， 如有侵权，请联系我们删除。