为pycharm配置pytorch

1.安装anaconda

	在机器学习，深度学习中，要用到大量的 package（就是各种工具包），
一个个安装管理就显得极为不方便，因此，我们需要一个工具。
Anaconda，这是一个集成了常用于科学分析（机器学习，深度学习）的大量包


	安装也很简单

	正常安装python3.8版本的64位即可
	安装过程一路点next就行

	安装完成后，可以在菜单栏上看到这样的内容即可认为是安装anaconda成功

2.为pytorch创建虚拟环境

	由于遇到不同的项目，我们可能会需要使用到不同版本的环境，每次删除环境安装环境也显得十分复杂。
	因此Anaconda 集成的 conda 包就能够解决这个问题，conda能够很好地管理你所创建的环境（虚拟环境）。
	每次使用地不同环境可以互不影响，需要哪个环境就用哪个环境。

首先我们先来为我们的pytorch创建一个虚拟环境

	开始菜单找到这个程序运行，左侧的<base>告诉你现在你所处在的虚拟环境为默认的自带的
	为自己的pytorch创建一个虚拟环境，我们需要对它进行一些设置，目的是由于，在安装过程中速度过慢，我们可以借用清华大学的镜像网站来下载

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
//最后这句用来设置搜索时显示通道地址

设置下载的timeout

conda config --set remote_read_timeout_secs 1200.0

准备就绪就可以开始为pytorch创建一个虚拟环境了

conda create -n pytorch python=3.8
//这里我使用的是3.8版本的python

选择y就可以等待创建了
安装后输入以下指令来查看安装情况

conda info --envs

带星号的即为当前所处在的环境，可以看到pytorch环境已经创建完成

3.安装pytorch

首先，在安装之前，你要检查一下你的电脑是否有CUDA
在桌面右击NVIDIA控制面板，在帮助-系统信息

在组件中可以看到你的CUDA版本，如图我的版本号为10.2

接下来就到了安装pytorch的关键时刻了
pytorch官网

向下拉动找到这里，选定win-conda-python-你的CUDA版本号
复制下面链接，注意注意注意，可以把-c pytorch去掉，下载更快

//进入pytorch环境
conda activate pytorch
//输入复制的链接，便开始了漫长的等待下载安装

最后，如何检查自己是否安装成功呢

//首先进入pytorch环境，若已进入忽略
conda activate pytorch
python
>>>import torch
//输入完成后如果没有报错，则证明你已经成功安装了恭喜你！！！
>>>torch.cuda.is_available()
true
//继续输入上面代码，输出True，则意味着你可以使用 GPU

4.为你的pychram配置上pytorch

最后一步了，十分简单，打开pycharm，创建新的项目

	展开python解释器，选择现有解释器，点击右边三个小点选择第二个conda环境
	一般目录C:\Users\用户名\anaconda3\envs\pytorch\python.exe

最后祝大家也都能安装顺利，早日成为深度学习大牛！