1.创建虚拟环境

Windows下先进入命令行：

win + R 
cmd

在这里插入图片描述

创建虚拟环境命令：

conda create -n torch11gpu python=3.7

在这里插入图片描述

2. 进入虚拟环境

进入虚拟环境，在虚拟环境中安装pytorch

conda activate torch11gpu

在这里插入图片描述

3. 在虚拟环境下安装下载好的.whl文件

导入离线文件的时候，要先进入到离线文件所在的目录，然后执行安装命令。
安装顺序：先安装torch，再安装torchvision，注意安装顺序。

pip install torch-1.2.0-cp37-cp37m-win_amd64.whl
pip install torchvision-0.4.0-cp37-cp37m-win_amd64.whl

在这里插入图片描述
虚拟环境下，我们做深度学习开发也要使用numpy，该包稍大，可以换个镜像下载安装。

pip install numpy -i https://pypi.douban.com/simple

在这里插入图片描述

至此，虚拟环境下的pytorch已经安装好，接下来进行测试即可。

4. 测试

在pycharm下切换虚拟环境：
在这里插入图片描述
注意：虚拟环境的路径在envs目录下，选择虚拟环境下的解释器python.exe文件即可。

import torch

print("pytorch版本：",torch.__version__)
print("cuda版本：",torch.version.cuda)
print("GPU是否可用：",torch.cuda.is_available())
print("GPU设备名称：",torch.cuda.get_device_name())
print("可用GPU设备数量：",torch.cuda.device_count())

pytorch版本： 1.2.0
cuda版本： 10.0
GPU是否可用： True
GPU设备名称： NVIDIA GeForce RTX 3050 Laptop GPU
可用GPU设备数量： 1