基于anaconda安装pytorch

🌟Date：2024.09.03
由于要使用神经网络，因此需下载pytorch
显卡：NVDIA RTX 4060
CUDA version：12.2
anaconda虚拟环境：pyhton3.11.9

一、基于anaconda创建虚拟环境

（1）管理员身份运行 anaconda prompt
（2）输入以下命令：
#创建虚拟环境名
conda create -n RL_env python=3.11.9
#查看已创建环境
conda info --envs
#切换到创建的环境中（很重要）
conda activate RL_env

#安装一些常用的库
conda install numpy
conda install matplotlib

#安装可视化编程插件spyder
#切换国内清华大学的库源安装，速度会很快
pip install spyder -i https://pypi.tuna.tsinghua.edu.cn/simple
#安装完后直接输入，启动spyder
Spyder

（3）设置python编译器，为虚拟环境安装的python.exe

二、安装CUDA toolkit

（1）打开cmd（管理员身份运行），检查可安装cuda toolkit的最高版本

（2）打开nvidia CUDA官网下载对应版本CUDA toolkit

（3）下载完后开始“傻瓜式”安装

三、检验CUDA是否正确安装

（1）环境变量检查

（2）Cmd下进入安装目录路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\extras\demo_suite
分别运行两个检测程序deviceQuery.exe和bandwidthTest.exe

（3）最后查看cuda toolkit安装版本

（版本安装错误参考下面的步骤）
⚠️ps：CUDA版本是向下兼容的，按道理越高版本越好
CUDA删除
直接进入“添加或删除程序”
搜索“CUDA”将安装的4项移除
删除后最好重启再安装新的CUDA版本

删除完后，记得将“C:\Program Files\Nvidia GPU Computing Toolkit”也删除，并检查环境变量是否已经删除

四、安装pytorch

（1）打开anaconda prompt，并进入虚拟环境，检查对应python版本

（2）进入pytorch官网，选择系统、编程语言、cuda版本等，准备下载

接着用对应命令行进行pip下载和安装
⚠️发现下载速度很慢，于是采用手动下载的方式
（3）手动下载所需包

https://mirror.sjtu.edu.cn/pytorch-wheels/cu121/?mirror_intel_list
由于torch本体太大，官网下载速度很慢，因此找了上海交大的镜像源进行下载，同样是要对应anaconda的虚拟环境的python版本（这里是python3.11）
其中cu121代表cuda12.1版本，cp311代表python3.11版本

https://download.pytorch.org/whl/在网站的子目录（torchvision和torchaudio下）找到cuda对应版本的下载（由于torch没有cuda12.2的版本，因此直接下载对应前序的版本12.1）

下载完后
Ps：三个版本是对应的

（4）pip离线安装torch包
通过pip离线安装方式在虚拟环境（RL_env）中安装

pip3 install D:\1res_env\pytorch_pip_setup\torch-2.3.0+cu121-cp311-cp311-win_amd64.whl

pip3 install D:\1res_env\pytorch_pip_setup\torchvision-0.18.0+cu121-cp311-cp311-win_amd64.whl

pip3 install D:\1res_env\pytorch_pip_setup\torchaudio-2.3.0+cu121-cp311-cp311-win_amd64.whl

五、检验pytorch是否安装成功

Python环境下用以下语句检验，

torch.cuda.is_available()指令检测GPU加速是否启用