如何安装PyTorch+管理conda环境

一、检查电脑上是否有GPU
1.Windows
在Windows上，您可以使用设备管理器来检查是否有GPU：

右键点击开始菜单，选择“设备管理器”。
在设备管理器中，展开“显示适配器”部分。这里列出的设备会显示您的计算机上的所有图形硬件。如果您看到NVIDIA、AMD或Intel等品牌的条目，说明您有一个GPU。

打开NVDIA控制面板，查看GPU驱动版本

2.macOS
在macOS上，直接选择以下命令即可，直接用cpu，不必要用gpu加速

3.Linux
在Linux上，您可以使用命令行工具来检查GPU。打开终端，您可以使用以下命令之一：

对于NVIDIA GPU，使用nvidia-smi命令。
通用检查，使用lspci | grep VGA命令来查找所有的VGA兼容设备，这通常包括GPU。
请注意，如果您在使用这些命令时遇到问题，可能需要安装额外的驱动程序或工具。例如，nvidia-smi需要NVIDIA驱动程序已安装才能正常工作。

二、查找与本地GPU对应的CUDA版本
1.需要注意显卡的算力必须与Cuda runtime version相匹配。
在https://en.wikipedia.org/wiki/CUDA#GPUs_supported查看显卡算力和与之相匹配的Cuda runtime version
2.我前面已经在控制面板中查到了

三、本地下载CUDA Toolkit安装包进行安装
官网https://developer.nvidia.com/cuda-toolkit-archive

选择默认路径

选择自定义安装，然后只勾选第一项

（下面这张图不用管，是之前卸载过的安装的版本）

右键“此电脑”，查看环境变量如下，发现已经自动添加好了cuda的路径

cmd里查看版本信息nvcc -V

查看CPU运行时的监测界面cd C:\Program Files\NVIDIA Corporation\NVSMI
nvidia-smi

进入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3\extras\demo_suite
输入bandwidthTest.exe

输入.\deviceQuery.exe

如果以上两个个命令均看到Result = PASS ，说明安装成功

四、安装cudnn8.9
官网https://developer.nvidia.com/rdp/cudnn-archive
将下载下来的压缩包解压后，将对应文件夹的文件放到CUDA安装路径下的对应文件夹里即可。

五、安装PyTorch
官网：https://pytorch.org/
没有符合本机的pytorch版本时点击这个

浏览直至找到匹配的版本
（由于我的cuda 版本是 12.3，就安装的cuda 12.1，亲测是可以成功匹配的）

打开Anaconda Powershell Prompt，输入对应命令

然后会有y/n，选择y即可

六、验证PyTorch是否安装成功
打开jupyter notebook，运行一些测试代码来确认您的环境是否按预期工作，例如：

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

• 这将打印出 PyTorch 的版本，并检查 CUDA 是否可用。
• 输入结果如下图，即为成功
  

七、如何创建、删除环境
不需要删除之前创建的环境。在Anaconda中，您可以同时拥有多个环境，每个环境都有其独立的Python版本和库。这是Anaconda设计的一个强大功能，它允许您为不同的项目创建不同的环境，而不同环境之间不会相互影响。

如果您想创建一个新的环境，使用Python 3.7并在其中安装PyTorch或其他库，您可以直接创建这个新环境，无需删除或更改之前的环境。下面是创建新环境的步骤：

创建新的Python 3.7环境

conda create -n pytorch37 python=3.7

这将创建一个名为pytorch37的新环境，并在其中安装Python 3.7。

激活新环境

conda activate pytorch37

这个命令激活了新创建的环境。

在新环境中安装PyTorch和其他必要的库

根据您的需求，在新环境中安装PyTorch和其他库。由于您提到了特定的PyTorch和CUDA版本，如果您打算在这个新环境中使用不同的版本，您可以选择合适的版本进行安装。例如，如果您想安装与Python 3.7兼容的PyTorch版本，您可能需要找到适合这个Python版本的PyTorch版本。您可以参考PyTorch的官方安装指南来选择合适的命令。

使用新环境

创建并设置好新环境后，您就可以在这个环境中进行开发了。如果您使用Jupyter Notebook，还需要在新环境中安装ipykernel，并将该环境添加为Jupyter的一个内核，如前面所述。

管理多个环境

• 查看所有可用环境：

conda env list

• 删除环境（如果需要）：

conda remove --name env_name --all

将env_name替换为您想要删除的环境名称。

通过使用这些策略，您可以灵活地管理和使用多个环境，以满足不同项目的需求，而无需担心环境之间的冲突。

在您提供的图片中，代码已经列出了可用的Jupyter内核，但它只显示了python3。这意味着在Jupyter中注册的内核中可能没有包含名为pytorch或其他您可能期望的内核。

八、如何查看图片中所示的内核中有没有pytorch呢？（检查特定内核是否存在）

您可以通过以下步骤检查特定内核是否存在：

1. 终端或Anaconda Prompt:

   • 打开终端（或在Windows上打开Anaconda Prompt）。

   • 激活您想要使用的Conda环境，例如pytorch_env。

   • 输入以下命令来列出已注册的内核：

     conda activate pytorch_env
     jupyter kernelspec list
     

2. Jupyter Notebook:

   • 在Jupyter Notebook中运行以下命令来获取更详细的信息，这将包括内核的名称和它们的安装路径：

     from jupyter_client.kernelspec import KernelSpecManager
     ksm = KernelSpecManager()
     kernel_specs = ksm.get_all_specs()
     
     for kernel_name, kernel_info in kernel_specs.items():
         print(f"Kernel name: {kernel_name}")
         print(f"Path: {kernel_info['resource_dir']}")
     

这将列出所有注册的内核和它们的路径。如果您在列表中看不到名为pytorch或者类似于您为PyTorch环境创建的内核名称，那么您需要确保您已经为该环境安装了ipykernel，并且已经添加了一个内核。

添加缺失的内核

如果您发现pytorch内核确实缺失，您需要执行以下步骤来添加它：

1. 激活您的环境:

   conda activate pytorch
   

2. 安装ipykernel（如果尚未安装）:

   conda install ipykernel
   

3. 添加内核:

   python -m ipykernel install --user --name pytorch --display-name "PyTorch (Python 3.6)"
   

完成这些步骤后，重新启动Jupyter Notebook，并检查内核列表，以确认您的pytorch_env内核现在可用。

您已经成功在您的 pytorch 环境中安装了 ipykernel 并且将其作为一个新内核添加到了 Jupyter 中。接下来，您应该做以下几步：

1. 启动 Jupyter Notebook:

   在 Anaconda Prompt 中，您可以直接启动 Jupyter Notebook。请确保您仍在您的 pytorch 环境中，如果不确定，再次运行 conda activate pytorch。

   jupyter notebook
   

2. 在 Jupyter Notebook 中切换内核:

   • 当您的 Jupyter Notebook 启动并且您打开了一个 notebook 之后，在 notebook 的菜单栏中选择 Kernel > Change kernel，然后从列表中选择刚刚添加的 “PyTorch (Python 3.x)” 内核。

3. 如果有必要，重新启动 Notebook:

   • 如果在切换内核后遇到问题，尝试在 notebook 的菜单栏中选择 Kernel > Restart。

4. 开始您的项目:

   • 一旦一切设置完毕，并且您已经验证了 PyTorch 和 CUDA 工作正常，您就可以开始在 Jupyter Notebook 中进行您的深度学习项目了。

您现在应该能够在 Jupyter Notebook 中正常使用 PyTorch，并利用您的 GPU（如果 CUDA 可用并且您有支持的 GPU）。

【部分参考：https://blog.csdn.net/weixin_45597212/article/details/135553151】