如何简单快捷的在Windows上配置Pytorch环境

一、下载Python虚拟环境Miniconda

        Miniconda 是一个轻量级的 Python 发行版，其中包含了 conda、Python 和以来的管理工具。它是 Anaconda 的精简版，但是其功能强大，可以用来创建和管理 Python 环境。Miniconda 的优点是你可以选择性地安装需要的包，而不是像 Anaconda 那样一次性安装大量的包。这样可以节省磁盘空间，同时也使得安装和升级包的过程变得更快捷。你可以从 Miniconda 官网下载最新版本的 Miniconda 安装程序，然后按照安装指南进行安装。

        当然除了Miniconda，Conda或者Anaconda都是可行的，只是我喜欢Miniconda比较简洁的环境。当然你可能会问：那为什么一定要用虚拟环境捏？

        Miniconda 和单纯的 Python 环境相比，具有以下几个优点：

1. 管理 Python 包更方便：Miniconda 包含了 conda 包管理工具，可以轻松地安装、卸载和更新 Python 包，而不必手动下载和安装。

2. 创建虚拟环境更简单：Miniconda 提供了一个简单的命令行工具叫做 conda，可以用来创建和管理 Python 虚拟环境。这使得你可以在同一台计算机上安装多个不同版本的 Python，并且在这些环境之间切换。

3. 使用不同平台时更加灵活：Miniconda 可以在 Windows、MacOS 和 Linux 上使用，并且提供了与各种操作系统兼容的 Python 包。这使得你可以轻松地在不同平台之间分享 Python 代码，并且不用担心环境问题。

4. 轻量级且容易安装：Miniconda 安装包比 Anaconda 小得多，因此安装起来更加方便。同时，Miniconda 还提供了一个轻量级的图形界面安装程序，使得安装过程更加友好。

进入官网：Miniconda — conda documentation

建议选择Python3.8的版本 相对来说比较稳定，当然其他版本也是OK的。

然后一路安装就行

这里建议只勾选第一个，避免造成环境冲突混乱。然后Install就行。

二、打开Miniconda创建虚拟环境

        在安装完成之后，在Windows开始界面会出现两个控制台图标，随便打开一个就行。

 进入终端，我们发现已经处于base环境下

 接下来就需要我们创建一个新的虚拟python环境来配置pytorch，只需要输入指令：

conda create -n DeepLearning python=3.8

 这样就创建了一个名为DeepLearning的python版本为3.8的虚拟环境。然后我们启用这个环境。

conda activate DeepLearning

我们可以发现前面的括号内容变了，这个时候你对环境的所有操作都是对该虚拟环境的操作，所以怎么造都不会影响系统本身的python环境。（这里我取的名字是pytorch-cpu，可以随便取）

 三、搞清楚pytorch、torchvision和python的版本对应关系并且下载离线安装文件

        你肯定大概了解pytorch是什么，可能不知道torchvision是什么。 

        torchvision 是一个 Python 库，提供了有关图像和视觉方面的工具和数据集。它是基于 PyTorch 构建的，主要用于计算机视觉任务，例如图像分类、对象检测、图像分割等。

        torchvision 包含了一些流行的数据集，例如 MNIST、COCO、ImageNet 等，并提供了数据预处理和可视化工具。你可以使用 torchvision 在这些数据集上训练和评估计算机视觉模型，也可以利用它的工具来处理自己的图像数据。

        所以，配置环境我们主要就是要安装pytorch和torchvision。

        首先要搞清楚你的GPU环境

        如果你有N卡，那么恭喜你，你运行模型的速度会比较快。

        如果你是A卡或者是核显，那么很可惜，你只能使用cpu进行运算，会比较慢。

        因此N卡用户请选择gpu版本，并且提前配置好cuda和cudnn环境。

        配置cuda和cudnn环境

        A卡和核显用户请选择cpu版本。

        以下是pytorch、torchvision和python的版本对应关系，需要下载对应的版本。

        

         比如由于我们的python版本是3.8，我们选择1.8.0的pytorch，那么对应的torchvision的版本就是0.9.0。

        因为conda环境下直接用联网pip install的话，版本控制会比较麻烦，所以建议直接下载离线文件安装即可。

下载链接：https://download.pytorch.org/whl/torch_stable.html

其中cu102 # 表示 CUDA=10.2 ，cp37 # 表示 python=3.7 ，linux or win 。

举个例子，由于我电脑是A卡，python版本3.8，我选择1.8.0的cpu版本，所以我的选择应该是： 

下载完成后，随便放在某个文件夹，打开conda的终端cd到那个文件，然后输入指令：

pip install "torch-1.8.0+cpu-cp38-cp38-win_amd64.whl"
pip install "torchvision-0.9.0+cpu-cp38-cp38-win_amd64.whl"

 等待片刻即可完成安装。

四、测试是否安装成功

        打开终端，打开python；

        输入：

import torch
print(torch.__version__)

        如果成功输出版本号，即安装成功，大功告成。

        下篇讲怎么在pycharm中使用刚才配置好的环境。