PyTorch离线安装

python安装

1. Anaconda 下载

在机器学习，深度学习中，要用到大量的 package（就是各种工具包）。如果说，函数是一个工具，那么 package 就是一个工具包。一个个安装 package 很麻烦，而且容易出现疏漏。于是，就有了 Anaconda，这是一个集成了常用于科学分析（机器学习，深度学习）的大量package。

也就是说，你只要安装了 Anaconda，就安装了很多我们之后要用的许多packages。（他还有很多功能，对入门帮助超大，后面再说）
Anaconda历史版本链接

2. Anaconda 安装

双击进行安装，需要注意以下几点：

（1）记住安装路径，之后会用到

（2）跳过安装 Microsoft VSCode

为了检验是否安装成功，在开始菜单中打开 Anaconda Prompt

如果可以成功打开，且左边有 (base)，即安装成功

pytorch安装

3. 显卡配置（无 Nvidia 显卡的略过）

1. 查看有无驱动（可忽略，直接进行第2步）
   只要你打开任务管理器，在 GPU 那里看到了你的 NVIDIA 显卡，即可。说明你的硬件驱动，已安装。

如果你的 NVIDIA 显卡未显示，可以使用驱动人生，或者去官网下载驱动。

2.
打开cmd，输入nvidia-smi查看驱动版本
Driver Version显示，该卡目前的驱动版本为471.68

若报错：nvidia-smi不是内部或外部命令也不是可运行的程序 把C:\Program Files\NVIDIA
Corporation\NVSMI添加到个人环境变量path

4. 新建虚拟环境，用于存放pytorch

也许，你之后会遇到不同的项目，需要使用到不同版本的环境。比如这个项目要用到 pytorch 0.4，另一个项目要用到 pytorch 1.0，如果你卸载了0.4版本，安装了1.0版本。那么下一次，你再碰到0.4版本，你就需要卸载1.0版本，安装0.4版本。很折腾。

Anaconda 集成的 conda 包就能够解决这个问题。它可以创造出两个屋子，相互隔离。一个屋子放 0.4 版本，一个屋子放 1.0 版本。你需要哪个版本，就进哪个屋子工作。

离线情况创建虚拟环境，叫做 pytorch:

conda create -n example --offline

可选：conda create -n pytorch python=3.6 --offline 指定python版本
方案二：复制base 环境
conda create -n example --clone base

输入 y，即可安装。等待安装成功。

查看环境：

conda info --envs

右边的 * 号表示，当前你处于哪个环境。

进入 pytorch 环境：

conda activate pytorch

你可以看到左边的 base 变成了 pytorch，代表成功进入 pytorch 环境。

在pytorch环境中，安装matplotlib等库
后续会发现pytorch环境缺少matplotlib等包，安装时需要
1.先进入pytorch环境，conda activate pytorch
2.命令安装，如pip install matplotlib

5. 安装 CUDA

根据nvidia-smi查看的cuda分值和驱动分值，查阅下面链接表格，先确定我们要安装的cudatoolkit版本，进一步确定pytorch（torch,torchvision,torchaudio）的版本

选择安装版本
cudatoolkit和pytorch版本-必读：
NVIDIA CUDA Toolkit Release Notes，查看表2表3，根据Driver Version的分值确定cudatoolkit的版本。

PyTorch、CUDA Toolkit 及显卡驱动版本

下载安装cudatoolkit
cuda-toolkit历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive（下载cuda11.3版本）

下载后，双击exe文件安装。

检查与配置环境变量
检测系统变量中PATH是否存在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

检查CUDA是否成功
进入Anaconda Prompt在base环境中进入CUDA安装路径：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite
分别输入deviceQuery.exe和bandwidthTest.exe，若都显示Result=PASS则说明安装成功

查看CUDA版本
进入Anaconda Prompt在base环境中输入以下指令： nvcc --version
原文链接：https://blog.csdn.net/supercxt_/article/details/133180138

6 安装pytorch（torch,torchvision,torchaudio）

①确定版本组合
由cuda的版本，确定torch,torchvision,torchaudio的版本，组合参考官网安装代码
ctrl+F搜索cuda版本号，就可以得到适用的版本组合：

例如（CUDA 11.3对应的torch=1.12.1 , torchvision=0.13.1, torchaudio=0.12.1）

例如（CUDA 11.3对应的torch=1.11.0 , torchvision=0.12.0, torchaudio=0.11.0）

②下载3个资源包：torch,torchvision,torchaudio
网址： https://download.pytorch.org/whl/torch_stable.html

cpu开头的是CPU版本,cu开头的是GPU版本。“cp” 后面的数字代表 python 版本。“win_amd64”表示适配的操作系统。

下载完成，CUDA 11.3和python3.9对应的版本

③安装离线包
使用 conda activate pytorch， 进入 pytorch 环境中。

说明（可忽略）：安装时cudatoolkit和pytorch是自动一起安装的，我们可以【仅指定cudatoolkit版本（推荐）】【仅指定pytorch版本】【指定两者版本】，下面将使用仅指定cudatoolkit版本的方法安装：

pip3 install torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
pip3 install torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl
pip3 install torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl

7. 验证是否安装成功

（1）conda activate pytorch， 进入 pytorch 环境中，输入 python

（2）输入 import torch，如果没有报错，意味着 PyTorch 已经顺利安装了

（3）接下来，输入 torch.cuda.is_available()，如果是 True，意味着你可以使用 GPU，如果是 False，意味着只能使用CPU。
（4）查看pytorch版本torch.__version__