- 小知识
- PyTorch是一个开源的Python机器学习库，不仅能够实现强大的GPU加速，同时还支持动态神经网络，分为CPU和GPU版本。
- 在机器学习、数据挖掘、深度学习过程中，需要用到大量的工具包，Anaconda里面集成了很多关于python科学计算的第三方库。我们安装了它，就安装了很多我们需要用到的工具包。
- CUDA是英伟达(NVIDIA)针对GPU做的加速神经网络计算的一个架构，所以只能在NVIDIA的GPU上运行。
- cuDNN是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有完全一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般是有大致对应关系的。
- 在安装PyTorch之前，我们需要安装PyCharm和Anaconda，然后PyCharm和Anaconda做关联，再安装CUDA，最后安装Pytorch。注意：CUDA、Pytorch、Python版本需要匹配。
-
安装前提：电脑必须要有 NVIDIA 独立显卡。
查看显卡信息,或者在任务管理器-性能里面查看GPU信息。
一般 Intel开头的为集成显卡， AMD、NVIDIA开头的为独立显卡。没有则去Nvidia的官网安装显卡的驱动。
-
GPU信息、驱动版本可以通过cmd输入nvidia-smi来查看。
-
驱动版本决定cuda版本 。驱动向下兼容，其决定了可安装的CUDA Toolkit的最高版本
cuda版本决定pytorch版本
如图所示，该卡目前的Driver Version(驱动版本)为471.68，对应可安装的最高的CUDA Toolkit版本为11.4。
一、Anaconda Prompt上创建conda虚拟环境：
1.conda create -n pytorch python=3.9.6 //寻找适合自己pytorch版本的python版本
2.conda activate pytorch //激活名为pytorch的环境
二、 安装 PyTorch 准备
方法一：不必特意安装cuda，直接安装pytorch
创建上述conda的虚拟环境，然后安装对应的PyTorch版本，用命令行安装，会有对应torch版本所需要的cudatoolkit被安装（cudatoolkit是cuda的子集，里面的东西够pytorch使用）
法A：将官网给出你选项的安装命令输入刚激活的pytorch的环境中
例如，上述图片生成的命令为：
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
若想加快安装速度，提前配备anaconda的conda国内加速镜像源，例如：国科大镜像源，清华镜像源。配备镜像源则在命令行中去掉-c pytorch
以下法B、C、D均根据上述介绍查询适合版本对应安装，其中python 3.9 还需要在结尾增加-c=conda-forge(看官网)，配备镜像源则在命令行中去掉-c pytorch
法B：指定CUDA Toolkit版本(推荐)
根据 CUDA驱动及CUDA Toolkit最高对应版本 查询到可安装的CUDA Toolkit版本。
例如：运行conda install pytorch cudatoolkit=11.4 -c pytorch
此方法指定CUDA Toolkit版本后，conda会自动匹配到合适版本的PyTorch。
法C：指定PyTorch版本
根据查询到可安装的CUDA Toolkit版本，再根据查询到合适版本的PyTorch。
例如：运行conda install pytorch=1.9.0 -c pytorch
此方法指定PyTorch版本后，conda会自动匹配到合适版本的CUDA Toolkit。
法D：同时指定CUDA Toolkit版本和PyTorch。
根据查询到可安装的CUDA Toolkit版本，再根据查询到合适版本的PyTorch。
例如：运行conda install pytorch=1.9.0 cudatoolkit=11.4 -c pytorch
注：
- 需要安装torchaudio以及torchvision时将其放在pytorch之后即可，如：
conda install pytorch torchaudio torchvision cudatoolkit=11.4 -c pytorch - PyTorch1.8.0，1.9.0及1.0.0以前版本使用conda安装时命令有些许不同，具体可查看官网。
方法二：先安装cuda，再安装pytorch
cuda官网下载链接
- 如果电脑上本身就有Visual Studio Integration，要将这个取消勾选，避免冲突了。
- 点开Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本。
- 如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，也不用去勾选)。
- 安装完成CUDA，使用
nvcc -V验证是否安装成功。
三、检查是否安装成功
-
在命令行左边为 pytorch 环境中，输入
python -
输入
import torch，如果没有报错，意味着 PyTorch 已经顺利安装了 -
输入
torch.cuda.is_available，如果是 True，意味着你可以使用 GPU，如果是 False，意味着只能使用CPU。
四、卸载当前版本PyTorch：
conda uninstall pytorch
本博客参考链接：
https://blog.csdn.net/weixin_42069606/article/details/105198845
https://blog.csdn.net/m0_37605642/article/details/99100924