使用Anaconda+pycharm搭建pytorch环境

一、环境

Windows10、cuda11.3、anaconda3、显卡：mx250

二、更新驱动

如何自己的显卡可以支持的cuda版本较低，目前只有10.2，可以试图下载NiVida Geforce Experience进行驱动更新。点击驱动程序，然后下载最新版本，下载以后安装就可以。

参考链接如下：(25条消息) Win10+MX250+CUDA11.3+cuDNN+Pytorch安装_jasmine16911的博客-CSDN博客_mx250支持cuda吗

 可以看到驱动更新以后，显卡能支持的最大cuda版本已经变成了11.7。

在cmd里面输入nvidia-smi，可以看到我的CUDA Driver Version为11.7

Windows下配置带有GPU深度学习环境 pycharm+anaconda+pytorch+GPU（不单独安装cuda和cudnn）_小赵同学871的博客-CSDN博客_pycharm配置深度学习

 

三、安装cuda11.3以及对应版本cudnn

下载cuda11.3版本。

CUDA Toolkit Archive | NVIDIA Developer

然后下载对应的cudnn

安装cuda的时候。​​​​​我自己只勾选了这几个，然后默认安装。

cuda和cudnn的配置可以参考下述链接，这里就不详细阐述了。

【超详细】windows10系统下深度学习环境搭建CUDA11.3+cuDNN，以及tensorflow，Keras，pyTorch对应版本_勋章DhR的博客-CSDN博客

四、安装gpu版本的pytorch

打开anaconda prompt，输入

conda create -n pytorch-gpu python=3.10

其中，pytorch-gpu是我设置的新建环境名，“python=3.10”是指定新建环境的python解释器版本。

然后去Pytorch官网查看目前支持的pytorch和相应的CUDA版本。根据官方提供的命令下载pytorch，运行下述命令。
Start Locally | PyTorch

 下载结束以后进入刚刚的pytorch-gpu环境，输入以下程序进行验证是否安装成功。

import torch
print(torch.__version__)  #注意是双下划线
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())

五、在Pycharm中使用anaconda已经创建好的pytorch环境

1、打开pycharm，新建一个项目。python解释器选择先前配置好的conda环境下的pytorch-gpu下面的解释器。见下图

 

 2、然后点击确定，新建好一个项目以后。打开项目下方的终端。

3、点击上图指示的Terminal,可以看到确实进入了用conda搭建好的pytorch环境

 4、输入python可以查看此环境下的python版本，由于我在conda里面搭建pytorch-gpu环境的时候已经指定了python版本为3.10，现在我们可以看到下方显示的也是3.10。

5、说明我们已经成功搭建好了一个pytorch环境，然后就可以在pytorch环境中开发项目了。

六、参考链接：

【超详细】windows10系统下深度学习环境搭建CUDA11.3+cuDNN，以及tensorflow，Keras，pyTorch对应版本_勋章DhR的博客-CSDN博客