WIN10下快速搭建pytorch-gpu+python3.6+CUDA9+cudnn7深度学习环境

由于之前安装tensorflow的时候踩了不少坑（大家有需要的可以看一下我之前写的tensorflow安装过程），所以我现在搭建深度学习环境已经十分熟练啦（哈哈哈）。话不多说，下面就来说一下怎么搭建pytorch并配合英伟达GPU加速。首先我先来说一下我已开始大概的思路：先用anaconda创建一个python3.6的虚拟环境，然后再往里面加入pytorch等需要的一系列深度学习相关的库。
首先第一步，连上清华镜像想要加速安装（因为家里的网速特别慢），用以前的方式连清华镜像发现不好用了，查了一下，原来2019年4月清华和科大都关闭了anaconda镜像，无奈百度了一下，发现在命令行输入一下四行指令即可。
第一行：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

第二行

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

第三行

conda config --set show_channel_urls yes

第四行

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

然后连接上清华镜像就可以继续啦。

首先，我们先用anaconda创建一个名叫pytorch_gpu的虚拟环境

conda create -n pytorch_gpu pip python=3.6

输入y+回车开始创建虚拟环境。
虚拟环境创建好了之后我们开始往里面加库，首先要先激活已经创建的虚拟环境：activate pytorch_gpu

激活环境就会在命令行前面显示（pytorch_gpu），下面我们开始用conda（pip也可以）安装pytorch和gpu加速库。

conda install pytorch torchvision cudatoolkit=9.0

同意安装输入y+回车，等待10分钟左右就可以安装成功啦。（是不是so easy,so happy!）
最后装好了我们来测试一下能不能调用torch以及能不能调用gpu加速。

#coding = utf-8

import torch


x = torch.rand(5,3)
print(x)
print(torch.cuda.is_available())
print(torch.__version__)

如果能生成随机数张量的话就说明torch可以使用了，如果下面返回True和torch的版本号，那么恭喜你可以调用GPU进行加速了。
是不是现在感觉搭建环境很轻松了呀，那就开始跑起你的深度学习算法吧！