Windows10配置深度学习环境

一、Anaconda安装与虚拟环境创建

       Anaconda的出现极大的方便了研究人员的Python开发工作，anaconda可以创建多个虚拟环境，这些虚拟环境就像一间间教室一样，虚拟环境彼此之间、虚拟环境与基础环境（base）之间互不影响，这就可以在一台电脑上安装多个版本的Python或其他针对不同开发需求的不同版本的包，使用者针对一个特定的项目只需要选择不同的开发环境即可，Anaconda在安装的时候会自动安装CUDA和cuDNN，减少了配置环境的时间成本，方便了计算机视觉和深度学习的研究。

       安装完成后打开Anaconda Prompt，如图是我的两个环境，一个是基础环境（base），一个是Anaconda创建的虚拟环境（pytorch）：

输入conda activate pytorch可进入pytorch虚拟环境，如图：

Windows PowerShell输入nvidia-smi可以查询电脑当前的显卡配置，如图：

可以看到，我的显卡型号是1660Ti，显存为6G，驱动版本为531.68，CUDA版本为12.1。

二、安装Pytorch

       根据自身电脑是否有独显和CUDA版本来选择合适的Pytorch版本，高版本的CUDA能够向下兼容，为了防止过高版本出问题，如图，尽量不要选太高版本。

       这里我选择了Pytorch-1.12.1、CUDA-11.3对应的命令进行安装，首先使用conda activate pytorch切换到虚拟环境pytorch下，然后执行对应的conda命令即可，如图。

       进入到pytorch虚拟环境中，输入conda list（或pip list）可以查看pip包的情况，可以看到pytorch、torchaudio、torchvision和其对应版本号，如图。

       然后可以查看安装的pytorch是CPU版本还是GPU版本的（即使使用安装GPU版本的命令，然后按照官方指示一步步来也可能安装成CPU版本的，因为一旦和自己的CUDA和显卡不对应的话就pytorch会默认选择CPU版本进行安装）。在Anaconda Prompt先进入虚拟环境，然后python命令打开Python IDLE，然后import torch导入torch包，print(torch.cuda.is_available())进行打印输出，结果为True则表示是GPU版本的，反之则为CPU版本，可以看到我的输出了True，表示GPU版本的Pytorch已经安装成功，如图。

python
import pytorch
print(torch.cuda.is_available())