Anaconda + PyCharm + PyTorch（GPU） 安装记录

---

前言

最近想将深度学习作为一个工具应用到研究方向中，所以安装了相关的应用。这里只介绍一下本人电脑配置下的安装步骤。
PS：感谢评论区指正，为避免误导他人，请移步评论区了解详情。
<Anaconda-环境，PyCharm-代码，PyTorch-框架>

---

一、安装步骤

1. Anaconda 安装

（1）在 Anaconda官网 下载对应版本的Anaconda，这里下载的是 Win10 64-bit 版本的；
（2）对下载好的安装包以管理员身份运行，然后按部就班操作，其中一步要将 add to path 勾选（减少对环境变量的操作）；
（3）在开始菜单栏里打开 Anaconda Powershell Prompt，出现(base)C:\...就说明安装没问题。

如图所示：

2. PyCharm 安装

（1）在 PyCharm官网 下载对应版本的 PyCharm，有两种版本可供选择，这里下载的是 Community 版本；
（2）对下载好的安装包以管理员身份运行，然后按部就班操作，其中一步要将 add to path 勾选。

3. PyTorch安装(GPU)

3.1 查看版本信息

注意
这里查看硬件的版本与后面的环境配置没有关系，但是其他博客上面都有这一步，其目的是为了与后面的cuda或者cudnn版本号匹配，但是我的理解是这两者的概念不是一个，所以查看了没有参考。

（1）Win+R输入cmd，在命令行中输入代码python（查看到本机的 python 版本是 Python 3.8）；
（2）在搜索栏中输入NVIDIA，查看最左下角系统信息，然后查看组件（本机的CUDA版本号是 CUDA 11.4）。

3.2 cuda 安装

（1） 在 cuda官网 下载 cuda 安装包（可能需要注册登录，本机安装的是 Double click cuda_11.4.2_471.41_win10.exe）；

（2）以管理员身份运行 cuda 安装包，选择精简模式，然后一直 next；
（3）查看安装情况，Win+R输入cmd，在命令行中输入代码nvcc -V，返回NVIDIA版本信息即表示安装没问题。

3.3 cudnn 安装

（1）在 cudnn官网 下载与cuda对应版本的 cudnn 安装包（可能需要注册登录，本机安装的是 cuDNN v8.2.4, for CUDA 11.4, cuDNN Library for Windows (x64)）；

（2）解压文件，将文件中的bin，include，lib三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4文件夹中；
（3）查看安装情况，Win+R输入cmd，在命令行中输入代码cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite，在demo中输入bandwidthTest.exe，返回Result = PASS，再输入deviceQuery.exe，返回Result = PASS，则说明 cudnn 安装没问题。

3.4 PyTorch 安装

（1）在 PyTorch官网 GET STARTED版块中找到与自己系统对应版本的 PyTorch；

注意：找不到版本号的话可以从 旧版本 里面找。
可以参考NVIDIA官网给出的数据。
或者对应版本列表如下供参考：

cuda	PyTorch
7.5	0.4.0 /0.3.0 /0.2.0 /0.1.12~0.0.6
8.0	1.1.0 /1.0.0 /0.4.1
9.0	1.1.0 /1.0.1 /1.0.0 /0.4.1
9.2	1.6.0 /1.5.0 /1.4.0 /1.2.0 /0.4.1
10.0	1.2.0 /1.1.0 /1.0.1 /1.0.0
10.1	1.6.0 /1.5.0 /1.4.0 /1.3.0
10.2	1.6.0 /1.5.0
11.0	1.7.0

（2）选中版本以后，在Run this Command中有对应的安装命令行，例如：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge   

在开始菜单栏里打开 Anaconda Powershell Prompt，添加清华源并输入得到的命令：

// 添加清华源
conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
//输入得到的命令
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge   

（3）等待安装完成，然后输入python，输入import torch回车，输入torch.cuda.is_available回车，返回True则表示 Pytorch（GPU）安装没问题。

方法二

在 Anaconda Prompt 中创建虚拟环境，输入代码如下：

conda create -n pytorch_gpu python=3.8

激活虚拟环境，输入代码：

activate pytorch_gpu

加入清华源，同3.4(2)，若后续出错，则将源添加为：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

然后在命令行输入官网上对应的版本代码（3.4(2)中第一行代码）：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge   

在上述虚拟环境下查看是否安装成功：

conda create -n pytorch_gpu python=3.8
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())

运行结果如下则说明安装没有问题：

（4）打开 PyCharm ，新建一个 Project ，点击File，选择下拉菜单中的setting，在左侧菜单栏中选择 Python Interpreter，右侧设置点开Add，如图：

（5）选择Add Python Interpreter中选中Existing environment，在选项中找到Anaconda安装路径，选择Anaconda-Tools-python.exe：

（6）点击OK确定，在Python Interpreter中可以查看到多了一些安装包。
（7）再次验证一下，在所建的Project中新建文件File，写入如下代码，返回Hello world!则没问题：

import torch
print("Hello world!")

---

二、问题&解决方法

1.步骤3.3(2)中无法复制：需要管理员权限

解决方法

右键文件夹，在属性-安全-高级中勾选当前用户的写入权限。

2.步骤3.4(7)中运行错误：没有相应模块

解决方法

PyCharm中 的右下角会有提示安装对应torch模块，点击即可。

3.运行代码出现

解决方法

可能原因是cuda和cudnn与PyTorch版本不匹配，需要重新安装对应版本，卸载原来版本的PyTorch代码如下：

conda uninstall pytorch

4.运行代码出现

解决方法

若安装的是cuda 10.2的PyTorch，则其官网上的命令为conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch，此时应该将后面的-c pytorch删除再运行安装。

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

改为：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 

5.运行代码出现

解决方法

先测试一下CUDA是否安装正确并能被Pytorch检测：

import torch
import torchvision
print(torch.cuda.is_available())

若返回true则说明安装没问题，接下来查看当前显卡是否支持CUDA：

import torch
a = torch.Tensor(5,3)
a=a.cuda()
print（a）

若返回error则说明可能是GPU算力与CUDA不匹配，查看一下计算机当前GPU算力：

方法一

// 在matlab命令行中输入
gpuDevice

得到第三行即为算力：

方法二

找到安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite ，然后Win+R输入cmd，切换到上面目录，运行deviceQuery.exe

可见GPU算力为3.5，再查看当前安装的CUDA的版本：

import torch
print(torch.version.cuda)

返回：10.2，正是前面安装步骤中安装的版本，由此可见，是由于显卡与CUDA不匹配导致的错误。

6.安装Pytorch出现

CondaHTTPError: HTTP 000 CONNECTION FAILED for url ＜https://mirrors.tuna...

解决方法

打开C:\Users\.condarc，修改里面清华源的https为http，后面加win-64，并删除-defaults，呈现的结果如下：

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/win-64/

show_channel_urls: true

---

总结

本文仅代表个人在使用DL工具过程中的经验，由于对该工具的认识不够全面、使用不够熟练，所以上述经验尚有许多不足或错误之处，仅供参考。

参考博客1
参考博客2