Pyorch安装

学习深度学习最重要的一步是安装训练环境，本篇文章将介绍下载安装Pytorch环境

Anaconda安装

安装包可以从官网进行下载安装包，速度会慢些，本博客从清华源中下载2022-10版本
1. 双击安装包进行next下一步，确定好安装路径，记住安装路径，后面添加环境变量会用到

2.添加环境变量（此电脑属性->高级系统设置->环境变量->用户变量）

在用户变量的Path变量下选择编辑，将下面5个路径（第一步安装anaconda的路径）添加进去，确认后运行cmd指令查看命令是否可用
D:\Softwares\Anaconda
D:\Softwares\Anaconda\Library\mingw-w64\bin
D:\Softwares\Anaconda\Library\usr\bin
D:\Softwares\Anaconda\Library\bin
D:\Softwares\Anaconda\Scripts


3.虚拟环境相关命令

conda config --show # 查看conda版本
activate env_name # 激活要使用的虚拟环境
deactivate # 取消使用当前的虚拟环境
conda env list # 列出所有的虚拟环境
conda create -n env_name python=3.9 # 更改自己的环境名和环境中的python版本
conda list # 当前环境安装的python包
conda remove --name env_name --all # 删除虚拟环境
conda env export --name myenv > myenv.yml # 获得环境中的所有配置
conda env create -f  myenv.yml # 重新还原环境

#设置清华镜像
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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

使用指令
conda create -n pytorch_gpu python=3.9 创建pytorch环境
激活环境
activate pytorch_gpu 

安装Pytorch

如果不更换镜像源直接从官网下载比较慢，本次将从国内的pytorch镜像源下载版本

1.首先安装显卡驱动

我的笔记本电脑显卡是GTX1050，显卡驱动从官网下载


安装过程中使用自定义模式


执行清理会将上一个版本删除

安装完成后打开cmd输入nvidia-smi后可以看到安装的驱动版本以及支持的最高CUDA

2.安装Cuda环境

上图显示了显卡驱动版本以及支持Cuda的最高版本，安装完驱动后，该版本支持的最高cuda为12.4，故我在官网下载12.4版本的Cuda，cuda版本要根据自己的电脑驱动选择版本

进行下载安装

安装过程中选择自定义安装，取消CUDA中的Visual Studio Integration，路径我装在C盘里，其它默认安装即可

添加环境变量（此电脑属性->高级系统设置->环境变量->系统变量）
找到安装Cuda的文件路径，将下面路径（根据自己的情况）添加到系统变量的Path中

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\libnvvp

打开cmd使用命令nvcc -V查看安装的Cuda版本，可以看到安装的是12.4的Cuda

3.安装Pytorch

从官网查看cuda12.4版本能够安装的pytorch版本

使用activate pytorch_gpu 激活虚拟环境，输入官网中找到的对应命令进行安装

pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu124

如果在线安装比较慢，可以将torch包下载下来，用pip在本地进行安装
从该网站上选择相应的torch包 https://download.pytorch.org/whl/cu124(cu124为Cuda12.4版本)
我下载的是torch-2.4.0+cu124-cp39-cp39-win_amd64.whl包

将下载好的包放到一个目录下（随意），我放到了D:\Softwares\Anaconda\pkgs目录中
打开cmd激活环境，使用cd切换到这个目录下
接着安装torch包使用pip install torch-2.4.0+cu124-cp39-cp39-win_amd64.whl，完成后
安装torchvision和torchaudio使用命令pip install torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu124

安装完成后测试是否能够使用，在虚拟环境中输入下面命令

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

4.安装cudnn

注册账号从官网上进行下载，我下载的版本为Download cuDNN v8.9.6 (November 1st, 2023), for CUDA 12.x，注意要与cuda版本对应

将下载好的cudnn进行解压，得到3个文件夹

找到之前安装cuda的路径，将cudnn中的文件夹里的文件分别拷贝到名字相同对应的路径下

添加环境变量(此电脑属性->高级系统设置->环境变量->系统变量)
将下面三个目录添加到系统变量的Path中(根据自己的路径修改)

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\libnvvp

查看是否安装完成
首先进入到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite目录中执行deviceQuery.exe命令和bandwidthTest.exe命令

如果出现下面的则表示cudnn安装完成

5.安装pytorch.lighting torchmetrics库

对于该库需要谨慎安装，安装测库需要pytorch>=1.10.0版本
安装需要指定版本，若不指定则会导致安装的pytorch自动更新，但显卡驱动，cuda和pytorch有版本对应关系，如果pytorch被自动更新则会导致无法使用，安装此库需要小心，下面是版本对应关系

可以使用命令pip install pytorch_lighting=(版本号)  torchmetrics=(版本号)安装

至此所有安装步骤完成