使用虚拟环境安装GPU版本pytorch成功记录(Win11)

本帖来记录博主试错了无数无数次之后终于成功的办法，在此也推荐在本地下载一直失败/有诸多无法解决的冲突问题的也使用虚拟环境安装pytorch。优点是简单快捷少麻烦，甚至还能解决在官网上下载网络不稳定带来的难题，all in all，虚拟环境完胜。

1、准备步骤

已经安装好anaconda（下载教程从网上找，都很全很保姆）

1.1根据显卡版本下载cuda

查看显卡版本：(win11)在桌面上点击鼠标右键–显示更多选项–进入NVIDIA控制面板

进入后选择帮助–系统信息

选择组件，即可在NVCUDA64行的产品名称中中看到可最高选择的cuda版本
！！！！显卡版本要高于cuda版本

在选好了cuda的版本后，去网上找个教程安装CUDA和CuDNN
！！！！CuDNN的版本要和CUDA对应
为了避免后续的问题，一概推荐从官网下载
CuDNN在下载之后需要把对应的文件放入到CUDA文件夹里，具体操作可以找个有详细步骤的blog

1.2 检查CUDA的安装

怎么检查cuda是否安装成功（以及查看cuda的安装位置）

2.下载带GPU版本的pytorch

在此使用虚拟环境安装pytorch所以不适用常规的直接从官网上conda下载的办法（事实上，由于网络不稳定的问题博主从来没有在这里成功下载过），同时也不推荐清华镜像源的下载，存在自动切换cpu版本的问题，很可能下载了半天发现自己下载来的是CPU版本（吐血）。

进入上面的install previous versions of PyTorch
根据自己下载的CUDA版本+选择的pytorch版本+win。
Cu开头就是GPU版本，cp后面是python的版本。
比如，我下载的是11.6的CUDA，那么我选择cu116，代码适用于python3.9，那么我的选择如下（python版本选择自由度较高，因为后续创建虚拟环境才会选择为是多少）

共有三个文件需要下载，torch、torchvision、torchaudio。后两个的选择标准和torch相同。

3.创建虚拟环境

下载好以上三个文件后，在Anaconda prompt中创建新环境

conda create --name d2l python=3.9 -y

d2l是创建的虚拟环境名字，python=3.9是对应的python版本，可以自己指定虚拟环境名字和python版本。！！！！python版本一定要注意，这是与已经安装的torch文件版本对应的。
输入以上代码后，大概等五分钟左右，会得到界面如下

3.1进入到虚拟环境中

conda activate d2l

将下载的torch三个文件放到虚拟环境的地址
可以看出来，我的虚拟环境地址就是[C:\Users\ASUS],把下载来的whl文件复制到这个地址下
！！！一定要放到虚拟环境的地址，不然会得到如下报错

3.2下载torch

确认文件所在地址正确以及已经在虚拟环境中运行以下代码（使用conda install不知道为什么会出现和上面一样的报错）

pip install 文件名+whl

将三个文件都要下载
成功界面：

4.将虚拟环境导入到程序

导入虚拟环境
其中，6、根据目录，依次找到自己创建的虚拟环境路径
描述的不是很准确。可以进入到anaconda中根据创建的环境名字进行查找

进入后选择environment，就可以看到刚才创建的环境d21，点击名字就可以看到所在的路径，然后根据上面链接中的教程找到目标环境的目录导入python.exe(不是在scripts下面）

5.确认下载是否成功

选择已经导入的环境作为编译器，创建py文件输入

import torch
print(torch.cuda.is_available())

然后可以看到输出是True，终于成功了！！！！！！！