从零开始完成PyTorch的安装（CPU版本和GPU版本都可参考）

       PyTorch 是一个开源的深度学习框架，由 Facebook 的人工智能研究实验室（FAIR）开发，广泛应用于研究和生产。它提供了强大的张量计算、自动微分功能以及构建和训练神经网络的工具。通过 torch.nn 和 torch.optim 模块，用户可以方便地创建各种神经网络结构和优化算法，同时支持 GPU 加速以提升计算速度。

    在应用领域方面，PyTorch 在计算机视觉和自然语言处理（NLP）中表现突出，提供了丰富的预训练模型和处理工具。它还被用于强化学习和生成对抗网络（GANs）等前沿技术，以及科学计算和算法研究。

       本文从最开始的，显卡识别到anaconda的安装，再到虚拟空间的创建，最后完成了pytorch的安装以及安装验证，可以参考后续的在PyCharm中的使用。以及这个过程中关于虚拟空间建立在非C盘、CUDA版本的选择的一些细节问题。

目录

1、判断显卡类型

2，安装anaconda软件

3、创建虚拟环境

4、安装pytorch

​ 5、验证pytorch的安装验证

---

1、判断显卡类型

按照图示操作打开任务管理器判断是否为英伟达的显卡；

注：有无配套显卡只和运行的速度有关，一般不会影响运行结果。如果确实已经安装英伟达的显卡可以考虑更新显卡驱动，如果不是英伟达的显卡可以考虑参考CPU版本。

2，安装anaconda软件

可以通过访问https://www.anaconda.com/  Anaconda的官网下载该软件的安装包，也可以根据自己电脑配置情况选择之前版本；点击绿色的Donwload即可下载最新版本的anaconda。

历史版本Index of / (anaconda.com)https://repo.anaconda.com/archive/新版本

Download Now | Anacondahttps://www.anaconda.com/download/success

安装过程

 选择安装路径时，避免中文；

避免麻烦，不勾选教程选项；

最后找到这个选项，点击打开，软件正常打开，证明安装已经完成。

3、创建虚拟环境

打开anaconda命令行；

创建虚拟环境时，可以考虑修改环境所在空间，默认会在C盘；

conda create -n 虚拟环境命名 python=3.10

 输入"y"

虚拟环境创建完毕；

4、安装pytorch

      如果安装有英伟达的显卡，可以根据这几张表，确定合适的CUDA版本，如果没有GPU也可以选择CPU版本；对于如何确定CUDA的版本，后续会有详细的教程。

CUDA的版本选择及其安装原理：CUDA版本的选择-CSDN博客

参考资料

https://blog.csdn.net/qq_51990574/article/details/141829078?spm=1001.2014.3001.5502

​
表格所在网站，国外的源：

https://en.wikipedia.org/wiki/CUDA

​

 确定和合适的GPU版本之后，在pytorch的官网，确定合适的pytorch安装命令；PyTorchhttps://pytorch.org/ 

 在命令空间中，自己创建的虚拟环境中输入该命令，完成pytorch的安装；

​

 安装示例代码：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

国内镜像地址：

清华大学镜像源 ：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

镜像地址的简单使用：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/  -c nvidia

 pytorch的安装页面，输入y，或者连续敲击回车即可进行安装。

​ 如果出现安装失败，可以重复输入该命令多次进行安装，安装完成后可以输入conda list 命令查看pytorch的安装情况。

conda list

  如图为安装完成后的情况。

​ 5、验证pytorch的安装验证

可以使用conda activate 环境命名进入虚拟

conda activate 空间命名

 进入创建的空间之后一次输入一下代码：

python

import torch

torch.cuda.is_available()

如果最后输出为 “True”，证明安装完成。