Anaconda+Pytorch+Pycharm安装

小莹子嘞

已于 2024-03-15 16:19:19 修改

阅读量2.3k

点赞数 16

分类专栏：深度学习-计算机视觉文章标签： python pycharm 编辑器目标检测 pytorch

于 2022-03-19 18:01:51 首次发布

本文链接：https://blog.csdn.net/weixin_46890291/article/details/123588242

版权

深度学习-计算机视觉专栏收录该内容

4 篇文章 0 订阅

订阅专栏

1.官网下载最新版anaconda，一步步按指令下来，其中一步两个都打勾就不用配置环境变量。

win+R打开命令行，再输入cmd,然后输入以下指令后按回车，分别得到conda版本和python版本

2.深度学习离不开显卡，像tensorflow,pytorch都只支持英伟达显卡，当然没有显卡也可以，显卡主要起到训练加速的作用，关于显卡的配置主要涉及驱动和cuda工具包，cuda工具包可跟随pytorch一键安装，我们只需要检查显卡驱动是否正确安装。Alt+Ctrl+Delete打开任务管理器发现以下GPU可以正确显示型号则意味着显卡驱动正确安装了。

但是为了避免各种报错和各种不匹配需要以下操作：

更新驱动链接：官方驱动 | NVIDIA

打开cmd,输入nvidia-smi。

找到nvidia=sim.exe所在路径C:\Windows\System32\DriverStore\FileRepository\nvltig.inf_amd64_ce837e92efe9cbc4，添加到系统变量

打开下载CUDA官网，CUDA Toolkit 11.6 Update 1 Downloads | NVIDIA Developer，查看

适合的CUDA ，我的显卡驱动是511.79，都可以，下面选择下载安装CUDA版本，链接为：https://developer.nvidia.com/cuda-toolkit-archive，点击安装（ps下面图中安装的是11.2，我后来确定安装的11.3，只不过太麻烦没重新截图）

点击以下

选择一个安装路径

新版本比当前版本低的话就不打前面的勾

找两个位置新建两个文件夹

安装cuDNN

cuDNN下载链接为：https://developer.nvidia.com/rdp/cudnn-download

将cuDNN文件夹下的子文件夹分别复制到CUDN对应的文件夹下，如图所示：

3.在安装pytorch之前要学会如何管理环境，首先理解一个package是一个工具包，环境理解为一个房子。我们本来有一个名为base的房子（基环境）里本来有一个版本的pytorch，但是我们假如项目用另一个版本pytorch，我们可以另外建一个名为PyTorch房子（环境），在里面放我们本次项目所需要版本的pytorch,我们可以每次项目调用适合的环境。

接下来创建虚拟环境，进入 Anaconda prompt 命令窗口

切换到国内的源来提高下载速度，命令如下：

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

首先输入指令：conda create -n PyTorch python=3.7(ps：PyTorch为环境名，后面是用到的包比如版本为3.7的包)按回车，然后输入y；

其次输入指令：conda activate PyTorch(这是激活上面虚拟环境指令)；

再次输入指令：pip list，这个可以查看安装了哪些包，发现其中没有pytorch,所以要安装。

打开pytorch官网，输入下面对应cuda画线指令（ps：下面选项中一般Windows下选conda,Linux下选pip）：