【工程记录】conda虚拟环境配置+Pycharm使用pytorch-gpu环境（Windows）

---

写在前面

仅作个人学习记录用。本文主要记录在Windows操作系统中使用Conda虚拟环境中配置互不干扰的cuda+cudnn+pytorch-gpu环境、并在此基础上在Pycharm中使用的流程。

1. 激活虚拟环境

1.1 创建conda

首先安装anaconda并配置环境变量（在安装时有对应的个性化安装选项），详细步骤可以参考：《2023年最新版Anaconda3的安装配置及使用教程》

1.2 创建并激活虚拟环境

1.2.1 进入base环境

• 如果安装时勾选了红圈中的选项：
  
  直接在Windows搜索栏中搜索anaconda prompt并打开

• 如果没有anaconda prompt快捷方式，在cmd中直接输入：activate

1.2.2 创建虚拟环境

在anaconda prompt中输入：

#创建虚拟环境
conda create -n your_env_name(虚拟环境的名字) python==X.X(3.8、3.11等)

#如果需要删除虚拟环境
conda env remove --name your_env_name(虚拟环境的名字)

1.2.3 激活虚拟环境

在anaconda prompt中输入：

#进入虚拟环境
conda activate your_env_name(虚拟环境的名字)

#如果需要退出虚拟环境
conda deactivate

2. 虚拟环境安装CUDA

2.1 确定可安装cuda版本

查看cuda版本号，在cmd中输入：nvidia-smi

图中CUDA Version=12.1，即代表可以支持 ≤ 12.1版本的CUDATookit。

2.2 安装CUDATookit

由于网速原因，conda安装均可以使用镜像源
在anaconda prompt中输入：

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

其中cudatoolkit版本按需求选择，只需要 ≤ 支持的最高版本

• 如果你选择的CUDA版本下载安装较慢，可以尝试预先配置镜像源，命令如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2.3 安装cuDNN

如果已经成功安装了CUDATookit（例如本文CUDA 11.3），那么安装cudnn的版本必须依赖于CUDATookit的版本。

在cuDNN历史版本下载页面 https://developer.nvidia.com/rdp/cudnn-archive 可以看到与CUDATookit的版本对应关系。

以本文为例，安装了CUDA 11.3版本，那么可选的cuDNN版本有很多（例如cuDNN 8.4.0），可以按需求选择安装，在anaconda prompt中输入：

conda install cudnn=8.4.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

• 如果你选择的cuDNN版本并没有国内源，那么可以在anaconda prompt中输入：

conda search cudnn --info

执行后的结果标出了一系列cuDNN所对应的CUDA版本号位置，选择其中有的所安装CUDA版本号对应的cuDNN版本号重新输入：

conda install cudnn=x.x -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

若还是报错，选择本地安装，详情可参考：《conda虚拟环境中安装cuda和cudnn》。

3. 安装pytorch-gpu

pytorch-gpu的版本同样必须依赖于CUDA的版本。

在pytorch历史版本下载页面https://pytorch.org/get-started/previous-versions/可以看到与CUDA的版本对应关系。

以本文为例，需要安装1.12.1版本的pytorch，在anaconda prompt中输入：

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url 

在安装pytorch时需要注意：

• 除上述命令，也可以使用conda install安装pytorch。但是conda install pytorch安装的仍然是torch CPU版本，conda install pytorch torchvision -c pytorch安装的才是GPU版本。
• 如果由于网速问题导致安装失败：访问 https://download.pytorch.org/whl/torch_stable.html 并下载对应WHL文件进行安装。

4. PyCharm使用pytorch-gpu环境

4.1 安装Pycharm

详细步骤可以参考：《pycharm安装教程，超详细》

如果需要汉化Pycharm，详细步骤可以参考：《PyCharm汉化：简单两步搞定！》

4.2 添加Python解释器

打开需要使用pytorch-gpu环境的项目，依次点击：文件 -> 设置 -> 项目 -> Python解释器，转到如下界面：
依此点击：添加解释器 -> 添加本地解释器，转到如下界面：
选择Conda环境，Conda可执行文件自动识别，如果没有自动识别可以对应着”使用现有环境“中的路径找到anaconda路径，点击“Scrips\conda.exe”即可。

此时，点击使用现有环境，选择刚刚配置好的pytorch-gpu环境，然后点击最下面的“确定”，Pycharm环境配置完成。

5. 验证安装结果

在Pycharm项目中编写检测程序，代码如下：

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA版本

运行结果如下：

True
1
11.3

则配置成功。