P1.Pytorch环境的配置及安装（Configuration and installation of Pytorch）

一、安装Anaconda时需注意两点：（1）记住安装路径；（2）跳过安装VSCode

二、检查显卡的驱动是否正确安装：在命令行底部右键打开任务管理器，在性能选项卡中能看到GPU正常显示型号，即代表显卡的驱动已正确安装。

三、有序的环境管理

有一种情况，不同的项目需要不同的环境，比如一个项目要用到pytorch0.4，一个要用到pytorch1.0，Anaconda集成的集成包就能解决此类问题。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，就到哪个屋子工作。

 -n为name（后面输入的是环境的名字），pytorch为环境，python=3.6为版本号

安装成功后，会显示是否想要激活pytorch这个环境，可以看到激活后（conda activate pytorch），环境从base转换到了pytorch。

到了pytorch这个环境（房子）中，使用pip list查看该环境中安装了哪些包。

由上图可以看出，并没有pytorch，接下来就是如何安装pytorch。window下推荐选择conda,linux下推荐选择pip。可以在网址支援的GPU | GeForce上查看我们的gpu是否支持conda。

总结：无英伟达显卡：CUDA选择None；有英伟达显卡：CUDA选择9.2；然后复制对应指令。

然后打开刚才的界面，在pytorch的环境下，输入刚才复制的命令，可以得到的结果如下：

然后使用pip list可以看到安装的包，包含了torch1.10.2

 如果使用conda指令安装的比较慢的话，可以直接把安装包cudatoolkit-9.2-0.tar.bz2和安装包pytprch-1.3.0-py3.6_cuda92_cudnn7_0.tar.bz2复制在Anaconda的安装目录下找到pkgs，然后放进去即可。再在Anaconda Powershell Prompt(Anaconda3)中进行重新的一个安装。

可以按键盘上↑找到上一条执行的指令

检验是否安装成功，输入python，import torch，能够跳入到下一步即pytorch安装成功，再看cuda是否可用，输入torch.cuda.is_available()，返回True即为cuda可用，返回False即为cuda不可用。

教程与代码地址

笔记中，图片和代码基本源自up主的视频和代码

视频链接: PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
视频代码: https://github.com/xiaotudui/PyTorch-Tutorial
如果想要爬虫视频网站一样的csdn目录，可以去这里下载代码：https://github.com/JeffreyLeal/MyUtils/tree/%E7%88%AC%E8%99%AB%E5%B7%A5%E5%85%B71