pytorch的CPU版本&GPU版本的环境安装（附带cuda和cudnn）

一、Windows（64bit）下安装pytorch-cpu

首先说个题外话，为了日后使用的方便最好是将将conda和pip的软件源修改成清华的源，这样的话，使用conda或者pip安装软件速度会快很多。可使用如下指令进行设置:（当然只是建议，与本次pytorch的安装无关，pytorch都是直接从官网上下载，速度还挺快）

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  --set show_channel_urls yes

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

1.1 使用pip安装

以Python 3.6为例

pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp36-cp36m-win_amd64.whl

pip3 install torchvision

1.2 使用anaconda安装

命令：

conda install pytorch-cpu torchvision-cpu -c pytorch 

下载太慢的话直接下载whl文件再安装：http://download.pytorch.org/whl/cpu/torch-1.1.0-cp36-cp36m-win_amd64.whl

修改torch-1.1.0-cp36-cp36可以直接获取对应版本。

然后直接cd到下载目录，再安装：

conda install --use-local xxx.whl

如果安装时出错，最后只能在anaconda prompt中使用pip安装：

pip install xxx.whl

1.3 直接按官网上给出的命令下载：

官网网址：

https://pytorch.org/get-started/locally/

选择对应的版本参数，官网会自动给出最新的安装命令

二、Windows（64bit）下安装pytorch-gpu

由于实验的神经网络规模越来越大，原来基于cpu的pytorch难以满足需求，好在数据集规模不大，由于自己的电脑有一块英伟达的显卡（如果同学的显卡是A卡则暂时不能按此方法使用GPU），可以使用cuda开启GPU进行计算。如果显卡显存较小，个人感觉没有必要选择GPU版本。

2.1 下载安装cuda

默认显卡驱动已经安装 

查看gpu属性的方式：“此电脑”右键“属性”→“设备管理器”→“显示适配器”，会跳出具体的版本。

查询满足cuda所提供的安装配置需求 

https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#axzz4TpI4c8vf

然后进入https://developer.nvidia.com/cuda-downloads，选择对应的系统配置下载cuda.xxxxxx.exe文件。

 

验证是否已安装：打开cmd,输入：nvcc  -V，输出：

 

2.2 下载cudnn并配置相关环境

官网：

https://developer.nvidia.com/cudnn

相比于cuda，cuda在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。

所以配置cudnn就是为了cuda进行一些修改，所以我们要先安装cuda。注：cuDNN下载需要注册。

下载之后

1. 解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；
2. 分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5对应的include、lib、bin目录下即可。注意是补充进去，不是全部替换。
3. 将bin所在的目录添加到环境变量 PATH 中，“此电脑”→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。

2.3 下载GPU版本的pytorch

还是从官网下载：

https://pytorch.org/get-started/locally/

选择对应的版本，官网会自动给出最新的安装命令

最后验证安装：

import torch

torch.cuda.is_available()

输出true