深度学习（一）-Pytorch环境安装

前言：

最近电脑重装了下系统，然后所有环境啥的都得重新配置一遍，刚好趁着这个时间记录下整个环境的配置过程

注意：本文记录的仅为window系统的配置过程!

---

方式一：使用Anaconda来安装Pytorch环境

一、Anaconda安装及相关配置

• Anaconda下载地址，根据需要选择需要的版本下载，安装路径自己选择要存放的路径，其余的一直Next就好

• 添加系统环境变量，选择Path，之后添加路径即可，如下：
  
  添加完成之后cmd中输入conda -V出现班对应版本号则证明环境变量添加成功 ，如下：
  

• conda安装包时经常会遇到莫名其妙的报错，以及突然地下载失败，这是因为下载服务器在海外，网络不稳定，这一步根据自己的需求来，在cmd 命令行中，输入以下命令：
  清华源

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  conda config --set show_channel_urls yes
  

  中科大源

  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
  conda config --set show_channel_urls yes
  

  恢复默认源

  conda config --remove-key channels
  

• conda创建虚拟环境，一种直接创建，一种指定路径创建，命令如下：

  ① 直接创建虚拟环境: conda create -n capa python=3.7  
  ② 指定路径创建虚拟环境: conda create --p=D:\Programmer\Captcha_env python=3.7 
  ③ 列出conda有哪些虚拟环境：conda-env list
  ④ 进入虚拟环境：activate capa 或者 activate D:\Programmer\Captcha_env
  ⑤ 退出虚拟环境：conda deactivate capa 或者 conda deactivate D:\Programmer\Captcha_env python=3.7
  

  注意：如果在创建虚拟环境或者安装包的时候出现如下错误：
  
  这说明电脑里面可能缺少OpenSSL，直接下载Win32/Win64 OpenSSL Installer for Windows - Shining Light，如下：
  
  这里根据自己系统是多少位的来下载就好了，安装完成之后应该就可以正常创建虚拟环境或者安装包了。

二、安装cuda(这一步看自己电脑情况)

• 首先查看自己电脑上的显卡信息：打开cmd窗口输入nvidia-smi显示GPU当前的状态，如下：
  
• 查看cuda与显卡驱动的映射表
• cuda选择性更新：由于yolov5要求pytorch至少是1.7，所以cuda建议在9.2及以上，这样命令搜索方便，cuda显卡驱动更新下载

三、安装pytorch

• 进入官网复制一条安装命令复制符合自己情况和条件的命令，直接安装最新版的，根据上面查看的CUDA版本信息可以看到我的是11.7，所以选择的也是11.7，如下：
  
  之后复制圈起来的部分
• 进入到创建的conda虚拟环境中，将上一步复制的命令直接复制到cmd中运行，如下：
  然后等待安装完成就可以了，这一步可能会非常慢，觉得慢并且不想一直等的同学可以查一下其它方式。

如果使用Anaconda的方式一直失败的话可以尝试通过下方pip安装的方式

---

方式二：使用pip的方式来安装Pytorch环境

一、创建虚拟环境

mkvirtualenv torch_env  #创建虚拟环境
workon torch_env        #激活进入虚拟环境

二、查看CUDA版本

cmd中输入nvidia-smi，如下：

三、使用pip命令进行安装

首先进入pip安装命令地址，找到如下:

第二步中我的CUDA版本是11.6的，所以这里直接复制圈起来的这一行命令，然后回到cmd中执行这条命令，如下：

---

通过以上两种方式安装好后，新建项目并设置对应环境的虚拟环境为当前项目环境（conda的就设置canda中创建的虚拟环境，通过pip创建的就使用pip创建的虚拟环境），然后建一个测试文件测试下如下代码print(torch.cuda.is_available())是否安装成功了，如果返回True则成功了，这个True成功了代表的gpu训练没有问题：

import torch
print(torch.cuda.is_available())

---

相关文章推荐：
十一姐的深度学习-Pytorch环境安装：这篇文章写的非常详细，我上面有些东西就是看的这个，哈哈！