Windows环境下深度学习环境配置（Anaconda&Pytorch）

Anaconda、Pytorch、CUDA、Cudnn的安装教程在网上已经多如牛毛且非常丰富了，本文不再赘述，只记录几个新手常见问题。

1. Anaconda是什么？

        Anaconda是一个开源的Python发行版本，也是一个安装、管理Python相关包的软件。它包含了Python、conda等180多个科学包及其依赖项。具体来说，Anaconda包含了大量用于数据科学、机器学习、统计分析等方面的科学包，如numpy、pandas、scikit-learn等。此外，Anaconda还自带了Jupyter Notebook、Spyder等工具，方便用户进行数据分析和开发工作。

        Anaconda利用conda来进行包和环境的管理，能够方便地解决多版本Python并存、切换以及各种第三方包的安装问题。conda不仅可以用来安装包，还可以用来管理环境和依赖关系。

        如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和Python）。

2.下载了Anaconda还需要下载python吗？

        不需要。Anaconda内置python，无需再额外下载python，对于之前安装过一些其它版本python的朋友，可以在cmd输入where python查看电脑安装python解释器的位置。

        使用conda创建不同的虚拟环境时，该虚拟环境会根据用户指定的python版本和安装的包来创建不同的python解释器。如果你想使用你想安装的包，必须要在pycharm或vscode中将解释器切换到其所安装在的conda环境下的python解释器，否则就会报错（示例如下）

import torch        # 导入pytorch
print(torch.cuda.is_available())    # 测试pytorch-gpu是否可用

如果将解释器设置为未安装pytorch环境下的python解释器，pytcharm会报错：

如果将解释器切换到已安装pytorch包的虚拟环境下的python解释器，则可正确运行：

3. 清华镜像源与包的安装

安装anaconda与后续相关的包可以通过其相对应的官网进行下载，但由于网络限制原因导致下载很慢甚至下载失败。这时候需要进行镜像网站的配置，目前常用的镜像网站之一是清华镜像。清华镜像的.condarc文件配置与anaconda相关包的配置请访问：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

修改完默认源之后，就可以通过pip或conda指令进行包管理了。也可以在镜像网站手动下载包，并通过conda指令，如下，来安装下载好的.tar.bz2包文件，--use-local后面最好写绝对路径，或者进入到Anaconda的pkgs目录下再执行上述语句。

conda install --use-local pytorch-0.4.0-py35_cuda8.0.61_cudnn7.1.2_1.tar.bz2