pytorch环境的配置（超级详细）_pytorch环境搭建

一、创建conda虚拟环境

1、查询创建了哪些conda虚拟环境的方法

按windows+R键输入cmd

再输入如下代码查询conda环境下有哪些虚拟环境

conda info --envs

2、创建虚拟环境

**name是可以自定义的任意环境名字，python=x.x**指定python版本

conda create -n name python=x.x

3、激活需要的虚拟环境

name是指需要激活环境的名字

conda activate name

4、查看环境下有哪些包

conda list

5、删除不用的环境

name是需要删除的环境名字，如果不加上–all的话代表删除的是当前环境下的一个库，加上是删除当前环境

conda remove -n name --all

二、查询本机cuda版本

cmd命令后输入**nvidia-smi，如下图绿色框线内即是cuda版本号**

三、安装pytorch

1、进入pytorch官网

点击Get Started

2、选择对应版本

版本一定要比第二步的cuda版本小

如果上图没有对应的版本可以从下图绿色框线里找到

3、采用清华镜像下载pytorch

进入cmd命令后，依次输入下面四行代码，将路径更改为清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

从3.2中选择合适的版本并复制链接，将连接-c及后面的代码删去

4、验证是否安装成功

进入cmd命令后，输入python，在输入import torch，在输入torch.cuda.is_available()，如果出现True，则说明可以使用GPU。

import torch
torch.cuda.is_available()

5、查看torch版本

输入torch.__version__即可查看

torch.__version__

四、验证cudnn版本的方法

import torch
print(torch.backends.cudnn.version())

五、安装tensorboard

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）