一文搞懂模型环境配置（pytorch、windows）

简介

很多小白开始跑深度学习的时候都会有一个疑问：我从github上clone的项目怎么跑不了？

本文讲述的就是如何进行相应项目的环境配置（pytorch）

虚拟环境

对于不同的项目，我们需要用到不同的依赖和环境，有时还需要同一库的不同版本，难道每次跑都要重装吗？

当然不是，我们通过为不同项目创建不同环境来解决。

在python中创建环境有下面几个方式

【Python】创建虚拟环境的四种方式（venv | pipenv | conda | poetry）_创建python虚拟环境-优快云博客

PyTorch

在创建好虚拟环境后，我们切换到虚拟环境，这时候对于依赖库的安装都是针对这个环境而言的。

pytorch拥有cpu版本和gpu版本，gpu版本需要安装cuda加速

cpu版本可以直接通过

pip install torch

来安装,而gpu版本则要通过官网获取安装命令。

我们首先进入到pytorch中文

PyTorch - PyTorch 中文

然后往下滑到这个界面，在这里就可以选择相应的版本

如果需要安装以前的版本（当前时间2024.9.26，指2.4以前），则点击上方“安装以前版本的pytorch”

往下滑找到相应版本的安装指令（在cmd或者powershell中使用）。

CUDA

如果pytorch安装的是gpu的版本，我们还需要安装cuda。

进入官网

NVIDIA Developer

在右上角搜索版本号

点击进入相应下载界面

按照提示选择完后点击下载即可。

这里有一个问题：python版本和torch版本都可以通过切换虚拟环境实现，但是cuda是外部计算平台，我们如何切换不同的版本呢？

我们通过修改环境变量中的地址实现切换。

比如说这里有两个cuda的版本

我在命令行中查看现在使用的版本为12.0

在搜索栏中输入环境变量

点击环境变量

找到CUDA_PATH,将12.0修改为11.8（在安装时需要命好名）

找到path变量打开

将11.8上移到12.0前，path变量主要是告诉系统可执行文件在哪里，搜寻可执行文件会从上到下寻找，而其他环境变量的作用是告诉依赖库的位置

点击确定后重新打开命令行

切换成功