win10+Anaconda3(python3.7)+CUDA8.0+PyTorch1.0安装与配置

2018年12月8日，Facebook在NIPS上正式发布PyTorch1.0版本，本文主要记录在笔记本电脑上安装PyTroch1.0最新版的过程。其实在PyTorch官网上已经给出了详细的配置过程，不过由于PyTorch的安装包源头在外网，国内安装会非常缓慢甚至无法获取安装包，因此这里提供其他简单有效的解决方案。

配置环境：windows10+Anaconda3(python3.7.1)+CUDA8.0+PyTorch1.0

配置过程主要分三步，一是Anaconda的安装，二是CUDA版本的检查，三是PyTorch的安装。

Anaconda3的安装

Anaconda3的安装比较简单，其官网地址为：https://www.anaconda.com/distribution/#download-section

选择windows版本的，python3.7的安装包，win7是32位的，win8/win10是64位的。

下载好安装包之后，双击安装。按照软件默认的设置一路安装下去即可，这里不再赘述。

安装完成之后，打开windows命令行（command+R，输入cmd），在命令行中输入“python”即可查看Anaconda3安装是否成功，安装成功后显示如下：

Anaconda3安装完成后还有一些自带的软件，主要是以下四个：

• Anaconda Navigator：Anaconda发行包中包含的桌面图形界面，可以用来方便地启动应用、方便的管理conda包、环境和频道，不需要使用命令行的命令。
• Anaconda Prompt：Anaconda的命令行界面，之后的安装需要用到这个命令行在conda环境下安装PyTorch。
• Jupyter Notebook：一个交互式笔记本，支持多种编程语言，集编程和文档写作于一体。
• Spyder：一种类似于PyCharm的python程序开发和编译环境（IDE）。

Anaconda配置环境变量：打开windows的控制面板，选择“系统与安全”，再进入“系统”，选择“高级系统设置”，找到“环境变量”。在“系统变量”的“Path”字段上添加Anaconda的安装路径。如果Anaconda的安装路径为XXX/，那么可以添加以下三个路径：

• XXX/
• XXX/Library/bin/
• XXX/Scripts/

CUDA版本的检测

很多博客写的是CUDA的安装，实际上现在很多笔记本电脑中都是配置了CUDA的，CUDA是由NVIDIA推出的通用并行架构，该结构可以调用GPU进行复杂计算。因此本文中配置的PyTorch由于使用了CUDA，因此是GPU版本的。CPU版本的配置异曲同工，只是不用CUDA。至于CUDA的安装，可以参考其他安装博客。

CUDA版本的检测：在桌面点击鼠标右键，选择“NVIDIA控制面板”，再选择左下角的“系统信息”，查看“组件”一栏即可获知本机的CUDA版本。例如：笔者的CUDA版本是8.0版，因此之后在安装PyTorch的时候就要注明CUDA的版本。

PyTorch的安装

官网给出的安装方法为：打开Anaconda的命令行，即windows开始按钮，选择Anaconda文件夹下的Anaconda Prompt，根据本机的CUDA使用不同的conda命令进行安装，对于cuda8.0的命令如下：

conda install pytorch torchvision cudatoolkit=8.0 -c pytorch

这种方法出现的问题是在下载pytorch-1.0.1-py3.7_cuda80_cudnn7_1.tar.bz2安装包时会出现HTTP error，这种错误的原因是由于安装包源头在国外，网络不稳定，下载极其缓慢以至于无法进行下去而中断。

解决方法是添加国内的镜像路径，也就是清华镜像源，然后再用conda进行安装。添加清华源的命令（这里是针对PyTorch0.4.0版本之后的，适用于PyTorch1.0版本）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

之后再安装PyTorch和Torchvision，不过不再使用官网给出的命令，而是使用以下命令，因为前者命令仍然使用的是Anaconda默认的官网下载路径，而后者使用清华镜像源的路径，这时速度就会相对快很多。

conda install pytorch torchvision cudatoolkit=8.0

安装中间过程如下：



出现第三张图中的红色框内容后基本就配置成功了，然后再打开windows命令行，进入python环境中测试，或者使用spyder进行测试，测试代码和输出如下。其中第三行是说明支持CUDA。