清华镜像源安装Torch

windows
看这里
Windows10下更换conda和pip的源(不换源下载速度慢)
pip源更换：下面的XXX是你的当前用户名
在C:\Users\XXX下新建一个文件夹，重命名为pip。
在pip文件夹里面新建一个文本文档，并重新命名为：pip.ini，需要修改后缀。
在pip.ini里面添加下面的信息（采用清华源）：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

保存退出

conda源更换（采用清华源）:
打开anaconda prompt，分别输入：

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/pytorch/
conda config --set show_channel_urls yes

验证上面是否成功
在C:\Users\XXX 下有一个.condarc文件(需要查看所有隐藏文件才可以看到)，打开之后应该是这样的

channels:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
defaults
show_channel_urls: true
windows下装cuda(pytorch不支持cuda10.1(截止2019.10.10),需要装cuda10.0)
根据 显卡驱动与CUDA版本对应关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
发现windows上 cuda10.0需要显卡驱动版本>=411.31,去 https://www.geforce.com/drivers 下载新版显卡驱动

安装好驱动后安装cuda10.0,下载地址
https://developer.nvidia.com/cuda-toolkit-archive
建议默认路径安装就可以,windows教程:一路点击下一步.

安装cuda10.0对应的cudnn(需要注册nvidia账号)–选择cuda10.0对应最新的cudnn就可以
https://developer.nvidia.com/rdp/cudnn-archive (不知道下载哪个可以百度看图片)
安装教程:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html
上面网址包含验证cudnn Verifying for linux
win10的验证用 pytorch是否可用cuda就可以验证

windows下安装anaconda 下载地址:https://www.anaconda.com/distribution/ 选择python 3.7版本
建议默认目录安装

建立新的 py36torch120 环境,名字随便起
打开开始菜单中的 anaconda 文件夹内的 anaconda prompt
conda create -n py36torch120 python=3.6
经历一段时间
activate py36torch120

对于cuda10.0, 安装当前最新版本 pytorch
conda install pytorch torchvision cudatoolkit=10.0
(后面没有加 -c pytorch 是因为pytorch官方源下载10kb/s,上面最好清华源后这里很快的)

安装特定版本 例如1.1.0
conda install pytorch=1.1.0 torchvision cudatoolkit=10.0
安装特定版本 例如0.4.1
conda install pytorch=0.4.1 torchvision cudatoolkit=10.0

验证 pytorch 是否可用cuda
python
import torch
print(torch.cuda.is_available())
显示true就代表可用 cuda

退出python
exit()

#安装 spyder jupyter notebook
conda install spyder
conda install jupyter notebook
以后用py36torch120环境下的 jupyter notebook 到 anaconda文件夹里找 带 py36torch120字样的 jupyter notebook , spyder也是这样.
最后分享给大家一些有用的网址, 最后分享给大家一些有用的网址.

显卡驱动与CUDA版本对应关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

CUDA版本与Ubuntu 版本，以及GCC版本对应关系(for linux)包含各种方式装乱后的卸载指引
https://docs.nvidia.com/cuda/archive/8.0/cuda-installation-guide-linux/index.html
https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html
https://docs.nvidia.com/cuda/archive/10.0/cuda-installation-guide-linux/index.html
https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html 最新版本的

NVIDIA CUDA Archived Documentation 总的集合:
https://docs.nvidia.com/cuda/archive/

cuda历史版本下载地址
https://developer.nvidia.com/cuda-toolkit-archive
cudnn下载地址
https://developer.nvidia.com/rdp/cudnn-archive

下面地址适合runfile方式安装cuda后比deb安装少包的情况,少的包手动下载安装
官方cuda所有deb包下载地址
https://developer.download.nvidia.cn/compute/cuda/repos/
https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64/

最后 显卡无端端掉驱动以相同方式覆盖安装显卡驱动就可以,千万不要全部重装,显卡驱动装好之后cudacudnn自动生效
————————————————
版权声明：本文为CSDN博主「樊城」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44753371/article/details/103145696