Win10下pytorch环境搭建详细教程以及示例测试

目录

Clone github工程

Anaconda 下载

---

我们的目标是成功搭建深度学习环境，并且成功跑一个github上的深度学习工程，然后分别使用cpu和gpu进行深度学习创建模型，然后使用模型对结果进行预测，这次采用的范例为变化检测BIT_CD工程。

因为内容实在太多，所以打算分几篇文章更新，一步一步讲解，配图。

Clone github工程

一、下载Git（官网下载慢时，可选择其他下载方式）
1.官网下载地址：Git - Downloads

使用git把BIT_CD工程下载下来，因为工程比较大，包含一些数据集，如果直接从github下载，经常中断，而按照说明中的，使用

git clone https://github.com/justchenhao/BIT_CD.git

cd BIT_CD

则更容易成功，笔者一次性成功下载。

查阅项目说明，按照项目要求，库需要以下版本：

Python 3.6

pytorch 1.6.0

torchvision 0.7.0

einops  0.3.0

实测，因为cuda等版本支持的问题，实际上仅仅保持python3.6一致即可，其他库的版本兼容即可，当然了，如果你能下载到对应的版本，优先使用对应的版本，我是因为下载不了对应的版本，就让anaconda决定了版本，最后也是可以正常使用cpu和gpu进行训练和验证的。

既然提到了Anaconda，那么自然推荐下载这个工具了，可以方便不同库版本的组合管理，而且还支持虚拟环境的导入导出，很方便，建议下载Anaconda3，下载最新版，不过需要说明的是，如果你只跑单一项目，那么anaconda也不是必须的，可以全部安装在真实的环境里，但是那样诸多不便，所以强烈建议使用Anaconda3。

Anaconda 下载

如果官网下载的话很慢，用的清华镜像源下载最新版。

然后是安装，基本上直接下一步即可，具体如果需要再就行额外勾选。

下载cuda和cudnn

直接看这篇文章吧《下载和安装CUDA和Cudnn（图文详解）》。

那么，如何查看本机的cuda和cudnn版本。

运行→cmd→nvcc –V 可以查看cuda版本，一般来说版本越新最好，笔者使用的RTX3060显卡，对应的cuda版本如下：

cuda 11.1.105 (nvcc -V)

cudnn 8.2.0 (cudnn_version.h)

cudnn则需要查看cudnn_version.h文件，位置为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include，其中三个宏定义为版本号。

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 2
#define CUDNN_PATCHLEVEL 0

那么，这篇文章就先到这里，这些都只是准备工作，下一篇

《Win10下pytorch环境搭建详细教程以及示例测试（二）》继续。