摘要

系统重装了，整理一下基于pytorch深度学习环境安装的流程。nvidia显卡是必须的。

步骤

1. 所需安装内容

• Anaconda ：用来创建工程所需的python环境
• CUDA Toolkit ：通用并行计算工具包
• cudnn ：用于深度神经网络的GPU加速库

2. 安装

2.1 Anaconda安装

Anaconda官网，下载并找一个合适的位置安装。（除了加入环境变量那一步要打个勾，其他一路下一步）

安装完之后，为了以后第三方包的快速安装，要做2件事

• 更换pip源

1. 首先在文件管理器中输入%APPDATA%
2. 新建一个pip文件夹，在该文件夹下，建立一个pip.ini文件
   
3. pip.ini文件内输入
   

[global]
timeout = 100
index-url =http://pypi.douban.com/simple/
trusted-host = pypi.douban.com

• 更换conda源

1.先在终端输入这条指令conda config --set show_channel_urls yes

2. 在c:\用户\你的windows账户下找到.condarc文件，进行编辑

3. 对.condarc文件进行编辑

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
ssl_verify: true

此时可以先创建一个python环境，用于之后的深度学习使用

• 在cmd中输入conda create -n Torch python=3.7，可以创建一个名为Torch，python版本为3.7的环境

2.2 Cuda Toolkit安装

Cuda Toolkit官网，由于当前pytorch官网只提供11.x版本以后的安装命令了，所以我使用cuda11.6的，官网提供了3个link，我选了最新的11.6.2的

就在C盘安装即可，毕竟跟驱动有关系。

之后就顺着安装即可。那个standrad和custom的选项选择custom安装的。

安装完之后，打开命令行，使用nvcc -V和nvidia-smi这两个命令，看看有没有毛病

看到这个界面说明安装成功。

2.3 Cudnn安装

为了不出问题，这里使用paddle给的一个安装标准，选择cudnn v8.4.0

cudnn驱动官网，选择cudnn v8.4.0进行下载

将cudnn压缩包内的3个文件夹copy到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6中，覆盖原来的文件。

2.4 配置环境

1. 刚刚第一步使用conda create -n Torch python=3.7创建了一个名为Torch的python环境
2. 现在使用conda activate Torch进入到Torch这个环境
3. 进入pytorch官网，复制对应的命令，粘贴到命令行中（如果是搞图像的，可以把torchaudio这个要安装的包删掉，只保留torch和torchvision，还能节省点空间和时间。）
   
   
4. 安装之后，继续在命令输入python,进行一段简单的代码测试：创建一个随机tensor，送入cuda中，如果成功，那么会出现类似下图的结果。