通过命令行快速安装pytorch2.0（GPU）

---

• 建立国内镜像通道

命令行中输入如下命令

conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --append channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 

查看是否添加通道

conda config --set show_channel_urls yes
conda config --set  ssl_verify false
conda config --show channels

显示如下，可以通过判断是否完成

---

•  查找cuda、cudnn、Pytorch(GPU)及cuda和NVIDIA显卡驱动对应关系

查询可支持的最高cuda版本

>nvidia-smi

 

 我的显卡驱动是Driver Version：528.52.，查看支持的cuda（链接）。

我的为528.52，那么左边对应的CUDA都可以兼容，这样就可以直接去考虑下载cuda就可以了。

右上角为CUDA 版本，可以看到该电脑可以支持的cuda版本最高是12.0，驱动是向下兼容的，所以cuda版本小于等于12.0的都可以安装上，因此我选择了 11.8。我之前安装过12.0，需要在安装一个11.8的duda

查看自己是否已经安装CUDA

nvcc -V

显示如下，表明已经安装

如果不会按照CUDA的同学可以看这个【精选】pytorch gpu版本的最全安装教程，含环境配置、CUDA（百度云下载）安装程序失败解决方案_cuda version: 10.2 python 3.6下载pytorch版本_识久的博客-CSDN博客 如果想配置不同版本的cuda，可以看这个如何在电脑上安装多个版本的CUDA_多个cuda-CSDN博客

安装cuda11.8

确定自己安装的CUDA版本后查看对应关系

可以用新版本的安装方式

也可以用老版本的安装范式

 TensorFlow、PyTorch各版本对应的CUDA、cuDNN关系

去官网（Previous PyTorch Versions | PyTorch）找到了pytorch1.7版本的conda安装命令。后面的-c是官网提供的安装地址，因为我们第1步添加了清华园镜像通道（国内速度更快），因此去掉-c以及后面的命令。

---

• 创建pytorch的环境

注意2.0对应的版本python版本为3.8-3.11，我这选用3.9

输入以下命令

conda create -n pytorch_GPU python=3.9
conda activate pytorch_GPU

使用官网命令安装 ，可以把-c后面去掉，因为已经设置镜像源了

建议大家用pip安装，因为用conda容易引起环境冲突，对了pytorch2.0，需要python>=3,8.还有就是conda里面的包更新可能比较慢，找不新包，尤其是在安装最新的pytorch2.0的时候。

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

搭配jupyter notebook

#设置jupyter的内核
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/
python -m ipykernel install --name pytorch_cpu

#测试是否可以用
import torch
print(torch.__version__)
print(torch.cuda.is_available())

成功！！！！ 

总结 

     当使用conda环境安装的时候，如果包环境冲突的错误，大概率是因为镜像源或者conda更新太慢，找不见对应的包，两种解决方式

• 降低pytorch版本
• 使用pip环境