Pytorch深度学习环境配置（GPU版本）

Pytorch深度学习环境配置（GPU版本）

⭐️教程：B站我是土堆
⭐️ 链接：https://www.bilibili.com/video/BV1S5411X7FY?p=1&vd_source=c7e390079ff3e10b79e23fb333bea49d

---

1. Pytorch和TensorFlow

实际上这两个框架就是python中的库，安装Pytorch实际上就是安装它的python库

Pytorch官网：https://pytorch.org/，进入安装Pytorch页面：

安装使用其实可以使用传统的pip安装，输入命令：pip install torch，但不推荐这样安装。

2. Anaconda

在配置深度学习环境的时候，并不是从python官网下载python然后使用pip命令安装，更多的是使用Anaconda这个软件。

安装Anaconda会默认安装很多东西，包括python的环境、conda命令，conda命令可以安装其他的库(conda install 包名)和pip差不多。

pip和conda类似于应用商店，各种的包类似于各种的APP，不同应用商店的下载安装速度会有所差异，并且会维护软件，同样的，pip和conda也会维护包和库

既然pip也可以安装包和库，为什么使用Anaconda呢？

Anaconda的一个重要功能：虚拟环境，由于不同的项目可能会使用不同的环境，（例如A项目要用Pytorch1.10版本而B项目要使用1.4版本），Anaconda可以创建多个虚拟环境来独立维护不同项目需要用到的包，使两个项目环境互不干扰

Anaconda官网：https://www.anaconda.com/download

安装好Anaconda后，会自动创建一个base环境，里面内置了一些用于科学计算的包。

可以使用conda命令来创建虚拟环境（也可以在图形化界面中创建）：打开Anaconda Prompt，输入如下命令：

# 查看当前有几个环境
conda env list

# 创建一个新的环境 可以指定python版本 如果不指定则和base的python版本相同
conda create -n xiaotudui python==3.7
# 接下来会下载一堆必备的库

# 使用命令激活环境（切换环境）
conda activate xiaotudui

# 查看当前环境有哪些库
conda list

# 退出环境
conda deactivate

3. Pycharm

Pycharm和IDEA一样都是IDE，我们在上面配置好一个Anaconda的虚拟环境了之后，这时创建新的Pycharm项目选择解释器的时候就可以选择已经配置好的环境而不用再创建一个虚拟环境了，通常我们创建项目都选择的是之前配置好的环境

4. 显卡GPU及其相关概念

显卡GPU，主要用于在屏幕上显示图像，用于与视频、图像处理相关的任务。

显卡：可以分为独立显卡和核显（嵌入在CPU中）

驱动：用于让计算机识别特定的硬件

深度学习显卡：一般用英伟达品牌的显卡，NVIDIA

CUDA：英伟达厂商创建了一个CUDA平台，让我们可以操作英伟达匹配的显卡，Pytorch的库会调用CUDA的库去给显卡发送指令和数据来进行深度学习的训练

它们之间的关系如下图：我们的计算机安装驱动之后会识别到该显卡，英伟达显卡的驱动会自带一个Cuda driver version（Cuda驱动版本）是跟驱动绑定的，我们还会装一个软件层面的Cuda runtime version，其中运行版本要小于等于驱动版本，Pytorch想要利用显卡就必须要装Cuda runtime version，Cuda runtime version就会操作显卡来完成深度学习的任务。

我们主要安装的Cuda是软件层面的Cuda runtime version

5. 各个软件的关系总结

首先在我们计算机上先安装Anaconda，使用Anaconda配置虚拟环境，配置完成以后安装Pycharm创建一个项目，在创建项目时Pycharm会选择配置的解释器，这时就可以引用我们之前Anaconda中配置好的环境。接下来我们在项目中编写代码，代码运行时就会调用我们配置好的解释器来运行代码，解释器将代码翻译成指令传送给CPU去执行。当在我们编写的代码中有调用cuda的库来想让GPU完成我们的运算时，CPU执行指令时会将数据传送给GPU去执行。

6. Windows下判断有无NVIDIA GPU

打开任务管理器看是否为NVIDIA字眼，即有无NVIDIA显卡

如果看不到显卡，则可能没有装驱动，需要安装对应的驱动来让计算机识别出该显卡（概率极低）

7. Windows下安装Pytorch(GPU版本)

大致流程：

1. 确定自己的电脑有NVIDIA显卡
2. 下载安装Anaconda
3. 利用conda或者pip安装Pytorch (最关键)
	3.1 确定自己安装的CUDA版本与GPU关系
	3.2 安装GPU版本Pytorch
4. 下载安装并配置Pycharm

7.1 安装Anaconda

Anaconda安装包网站(清华大学开源软件镜像站，包含各个版本的Anaconda)：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D

选择最新版本下载安装，安装包比较大，建议使用迅雷下载，下载完成后打开一路next到选择安装路径，安装路径要选择一个全英文路径：

之后，一直点击下一步完成安装，安装完成后打开图形化界面，点击环境看到有base环境即安装成功

7.2 创建虚拟环境

在安装好Anaconda后，我们可以在Anaconda里创建一个新的虚拟环境：

# conda create -n 虚拟环境名字 python=版本 
conda create -n jchuanpytorch python=3.9
# 添加镜像加速
conda create -n jchuanpytorch python=3.9 -c 镜像地址

镜像地址：
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
阿里巴巴镜像：https://mirrors.aliyun.com/anaconda/pkgs/main

执行后会出现安装的一些计划，例如安装的python版本以及要安装的包的清单等等，一定要看好这个环境安装在了哪里，一般来说是默认安装在C盘，若想安装在其他盘需要更改默认位置（后面会介绍如何操作）

确定了安装位置后，输入y开始进行安装，安装结束输入以下指令切换到新创建的虚拟环境：

# 激活新创建的虚拟环境(切换到该环境下)
conda activate jchuanpytorch

# 查看当前环境下的所有包
conda list

移除创建的虚拟环境操作：

# 移除创建的虚拟环境 --all:移除该虚拟环境下面的所有东西
conda remove -n 虚拟环境名 --all

Anaconda通道的概念：通道（channel），就是Repo “源”，表示从哪里寻找资源，也就是下载的时候去哪里下载

Anaconda有一个默认的下载地址defaults，是在国外的服务器上下载，比较慢，这时我们可以指定国内的下载地址，也就是新添加一个channel，在前面我们使用镜像地址时，实际上是使用 -c（channel的首字母）指定了一个临时的通道，我们新添加channel以后就可以让其默认的下载地址变为我们指定的，而不用再使用 -c 来临时指定了，下面是关于通道的命令：

# 持久添加通道
conda config --add channels 通道地址
# 删除通道
conda config --remove channels 通道地址
# 查看通道
conda config --get

# 新添加的通道地址优先级最高，如果新添加的地址没有找到想要的包，会接着从优先级低的地址找
# 不推荐添加新的通道地址，最好还是每次指定-c即可

7.3 GPU与CUDA的准备工作

（1）首先，确定自己显卡的算力（确定自己的显卡型号）：

接下来去wiki（国内无法访问）查找该显卡对应的算力：https://en.wikipedia.org/wiki/CUDA

可以看到，1650的显卡对应算力为7.5

（2）确定自己可以选择的CUDA Runtime Version

可以看到，7.5的算力对应CUDA版本为10.0~10.2

（3）确保自己的CUDA Driver 版本 >= CUDA Runtime 版本

看自己的驱动 CUAD Driver Version，打开命令行输入以下命令：

nvidia-smi

可以看到，CUDA Driver Version 的版本为11.4，11.4 > 10.2，即可以安装10.0~10.2版本的CUDA Runtime Version

7.4 安装Pytorch

目前Pytorch官网安装首页没有10.2的版本，我们可以在Previous Pytorch Version中找到10.2版本：

https://pytorch.org/get-started/previous-versions/#linux-and-windows

要安装的版本确定好以后就可以在我们创建的虚拟环境中安装Pytorch了，安装命令 -c 后面的地址可以更改为国内的镜像源，下载速度会变快

问题：在输入对应版本的安装命令后，会替换为cpu版本的进行下载，这是因为repo里没有该版本的包或没有该组合的包，目前没找到有效解决方案。有的博文说下载了cpu版本的Pytorch之后unistall cpuonly这个包，会提示安装gpu版本的包，但自测没有提示安装。有的博文说卸载python_mutex包就可以，未测试不知道有没有效。我最后下载了Pytorch1.10.1，这个版本不会被替换为cpu版本。

镜像地址：
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

# 输入安装命令
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c https://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c https://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=10.2 -c https://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

# 经过测验，以上Pytorch的版本输入安装命令会自动替换为cpu版本的下载，1.10.1版本下载的是gpu的
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

7.5 验证Pytorch是否安装成功

首先激活对应的虚拟环境，输入命令看看有没有对应的Pytorch包

conda activate 虚拟环境名
conda list

以上验证之后，输入如下内容验证是否安装成功：

输出为True，即Pytorch安装成功！

7.6 安装Pycharm并进行配置

Pycharm下载安装很简单，这里不再介绍了

安装好Pycharm后，打开新建一个项目，我们在选择解释器的时候选择我们配置好的那个虚拟环境即可

在添加环境的时候，会出现检测不到你的python.exe的情况（这是因为最新版的Pycharm改版了），这时候选择conda.bat文件，然后点击加载环境按钮就可以成功的检测到你创建的环境了：

新建一个py文件，输入以下代码检测：

可以看到，输出True，表示Pytorch安装成功！

补充1：更改创建Anaconda虚拟环境的默认位置

首先输入以下命令查看当前创建虚拟环境的默认位置：

# 查看conda信息
# conda info 或 conda config --show
conda config --show

可以看到当前确实是优先默认创建在C盘：

接下来，我们打开.condarc文件，位置如图：

使用记事本打开并添加如下内容（路径建议选择安装路径下的那个envs）

envs_dirs:
  - D://App//anaconda3//envs

保存，重新打开命令行窗口，查看conda信息，可以看到默认的优先安装路径已经变为了刚刚添加的路径：

这时候，重新创建虚拟环境时，就会创建在该路径下了！

如果重新创建虚拟环境，路径还没有改变：打开选择的路径下的文件夹anaconda3文件夹，查看该文件夹的用户权限是否全勾选上，如果没有就更改一下权限，这样应该就没有问题了。

此时再次创建虚拟环境，可以看到成功的创建在指定路径下了：

补充2：更新显卡驱动的最新版本

安装显卡驱动的最新版本可以到官网：https://www.nvidia.cn/Download/index.aspx?lang=cn

根据自己的显卡类型，填写表单并点击搜索：

搜索到后点击下载，开始进行下载即可

下载完成后，安装到指定路径，打开安装程序一直点下一步即可完成安装！

打开命令窗口，输入nvidia-smi，可以看到显卡驱动已经更新到最新

补充3：使用pip来安装Pytorch

前面在使用conda命令来安装Pytorch的时候，出现了Pytorch自动替换为了cpu的版本导致安装不了gpu的版本，这时候我们可以用pip来安装Pytorch

在官网（https://pytorch.org/get-started/previous-versions/#linux-and-windows）我们找到pip安装CUDA10.2的命令：

# CUDA 10.2
pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102

在命令行输入该命令后开始安装，由于torch(pip中叫torch，conda中叫pytorch，都一样)集成了cudatoolkit，包很大，下载很慢，我们可以将下载地址拖到迅雷下载，然后直接在命令行中安装即可。

此方法看这个视频：

https://www.bilibili.com/video/BV1S5411X7FY?p=27&spm_id_from=pageDriver&vd_source=c7e390079ff3e10b79e23fb333bea49d

补充4：在Pycharm中打开Anaconda终端

有时，我们希望在Pycharm中打开Anaconda3的终端，可以做如下设置：

打开Setting搜索terminal的设置：

这时，我们找到Anaconda Prompt文件的位置，将路径输入进去，点击应用即可

此时点击Terminal，显示的就是Anaconda的终端了：

补充5：给下载的项目设置合适的虚拟环境

我们随便在GitHub上下载一个Pytorch项目：

下载解压后用Pycharm打开，这时会有提示创建一个虚拟环境，我们直接取消，换成我们自己的环境：

在Setting中选择我们配置好的环境：

配置好以后，还会有保存是因为我们配置的环境中没有这个项目用到的包，我们按照缺少的包的提示来一个一个安装就可以，如果此项目有 requirements.txt 文件：

那么这个文件里就是我们需要安装的所有包，可以安装这个清单一个一个安装，也可以在Anaconda终端中切换到当前项目所在位置，输入如下命令一次性安装：

pip install -r requirements.txt 

因为在创建虚拟环境的时候我指定的是python3.7，所以有些最新版本的包下载不了，这里就不做演示了。