重装pytorch记录

之前在安装了python的情况下安装了anaconda，又装了pytorch，但是在pycharm上使用torchvision时总会出现warning，于是对自己的安装过程起疑，但是又想不起来具体细节，想起曾看到过说装anaconda之前最好不要装python，死马当活马医，先卸了python，再重新建个虚拟环境安一遍（似乎卸载anaconda挺麻烦，所以先试试看，还是不行再说）

1.准备工作（无顺序，有需要的步骤请参考）

1.1卸载python

由于我之前没有删除安装python的程序，所以找到后再次运行就会有uninstall的选项，点击运行。暂不清楚是否卸载完全，有无bug之类的。

如果在安装Python时选择了添加Python到系统PATH环境变量，那么需要手动删除环境变量中的Python路径。

Python卸载重装完整教程：http://t.csdnimg.cn/AgMy5

1.2删除虚拟环境

在base环境中输入：

conda env remove -n env_name

Anaconda彻底删除虚拟环境的正确方法_python_脚本之家

Conda 创建和删除虚拟环境：http://t.csdnimg.cn/WTX9l

1.3torch版本对应

PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系：http://t.csdnimg.cn/TYDLc

1.4地址合集

pytorch：https://pytorch.org/

cuda：CUDA Toolkit Archive | NVIDIA Developer

查看CUDA对应关系：1. CUDA 12.3 发行说明 — 发行说明 12.3 文档 (nvidia.com)

1.5环境变量

1. 打开控制面板：在Windows操作系统中，点击开始菜单，然后选择控制面板。

2. 进入系统属性：在控制面板中，选择"系统和安全"，然后点击"系统"。

3. 打开高级系统设置：在系统窗口中，点击"高级系统设置"。

4. 打开环境变量设置：在弹出的系统属性窗口中，点击"环境变量"按钮。

待补充：在环境变量的系统变量path中添加anaconda

1.6确定显卡版本（因为我打算安装GPU版）

我的笔记本电脑已经有了NVIDIA。看有些教程会提到安装cudatoolkit，作为小白还没有搞懂这具体是什么，我自己在安装时也下载了一个11.3版本的，但是并没有用到，最终我显示的还是笔记本原来自带的11.7版本。

补充更正：一定要在装pytorch之前安装CUDA！！！安装11.3的CUDA是有用的，在3.测试中的截图显示，CUDA是11.3，而不是在cmd中查询显示的11.7。猜测之前torchvision有问题是因为最开始我没有额外安装CUDA，这次补上就好啦！

需要安装CUDA的可参考：http://t.csdnimg.cn/LbftY

打开cmd，直接输入nvidia-smi回车，看到Driver Version: 516.91，CUDA Version: 11.7。

确认显卡驱动可以对应的cuda版本， 搬运1.6过来方便大家查看：

查看CUDA对应关系：1. CUDA 12.3 发行说明 — 发行说明 12.3 文档 (nvidia.com)

面板含义参考博客

nvidia-smi 命令详解：http://t.csdnimg.cn/xUgf5

【深度学习】nvidia-smi 各参数意义：http://t.csdnimg.cn/9MwI4

2.安装pytorch（热身结束，正式开始啦）

2.1创建虚拟环境

打开Aanconda Prompt，在base环境下使用下面的代码创建名为pytorch，基于python3.9的虚拟环境。名称和版本号可以根据需要更换（参考1.3torch版本对应）。

conda create -n pytorch python=3.9

2.2激活虚拟环境

后续安装pytorch要在新建的虚拟环境中执行代码。在Aanconda Prompt执行下面的代码进入虚拟环境：

activate pytorch

2.3下载CUDA

参考1.6

2.4下载GPU版pytorch

在官网https://pytorch.org/下载安装包，选带CUDA XX.X的，左下方还有过去版本的链接。

选择合适的操作系统、CUDA版本（低于自己电脑的版本，查询方法见1.6），复制对应的代码（我选的是标蓝那一项）至Aanconda Prompt，在刚刚激活的pytorch环境中粘贴代码运行，等待安装。虽然所有过程都没用到镜像，但是我安装的速度还是挺快的。好快乐！

安装完成后我的界面会清空，左上角出现了一个done，不知道大家是啥样的呢？再下面的是我草草测试是否安装成功的过程，在后面会重新总结一波~~

3.测试

cmd

Anaconda Prompt

activate pytorch
python
import torch
print(torch.__version__)
import torchvision
print(torchvision.__version__)
torch.cuda.is_available()
torch.cuda.get_device_name(0)

import torch
print("torch_version:",torch.__version__)
print("cuda_version:",torch.version.cuda)
print("cudnn_version:",torch.backends.cudnn.version())
print("----------------------------------")
flag = torch.cuda.is_available()
print(flag)
# 查看显卡个数
print("device_count:",torch.cuda.device_count())
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print("device_name:",torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

参考博客

GPU版本安装Pytorch教程最新方法：http://t.csdnimg.cn/LbftY

验证torch和torchvision安装成功：https://www.cnblogs.com/opopopop/p/17551077.html

（萌新向很详细！）在Anaconda下安装Pytorch环境流程及问题总结：http://t.csdnimg.cn/FbOC3

[PyTorch] 安装笔记, 基于Windows10/cuda11.6 - NGC13009的文章 - 知乎
https://zhuanlan.zhihu.com/p/542729666

4.其他问题

这篇博客得得益于我使用torchvision有问题。之前作为小白中的小白，创建了一个名为pracpytorch的虚拟环境，后来找了一个代码在pycharm上跑，总会有一个warning出现：

D:\Anaconda3\envs\segmentation\lib\site-packages\torchvision\io\image.py:13: UserWarning: Failed to load image Python extension:warn(f"Failed to load image Python extension: {e}")

虽然不影响运行（因为这次成功后我再运行，结果只是少了那个warning，依旧跑不出来），但是看着很不爽，留着隐患也不太好，但是找了很多博客都没有解决（这次我也不知道为什么就好了）。

 我把我看到的各种解决方法（有的也没看懂）整理如下，大家学会了可以来分享给我呀！

Userwarning: Failed to load image Python extension_python_Liu Haiwen-腾讯云开发者社区

安装PyTorch后引入torchvision报错：Failed to load image Python extension: warn(f“Failed to load image Python_大数据_不会写代码的小周-华为云开发者联盟

http://t.csdnimg.cn/RKcO1

http://t.csdnimg.cn/h6bnB

http://t.csdnimg.cn/cRjpF

http://t.csdnimg.cn/SRtGy

http://t.csdnimg.cn/N60Cf

http://t.csdnimg.cn/wFU1x

http://t.csdnimg.cn/DQp0p

http://t.csdnimg.cn/2KvaM

http://t.csdnimg.cn/8vuRx

http://t.csdnimg.cn/9YVgS

找到问题啦：

在之前有问题的pracpytorch环境中，有个pyd，因为这个文件我的torchvision连接才有问题。

重新安装的pytorch环境有image.pyd，证明额外安装CUDA是有效的！大家一定要记得安装呀！！！