PyTorch(CPU版本及GPU版本)的安装及环境配置

1、添加镜像源

PyTorch是从海外源下载，在安装过程中常常会有下载缓慢甚至断线的问题。在这里，无论是要安装 CPU还是GPU版本，我们都可以选择修改镜像源来提高下载速度。在这里我使用的是清华源，大家可以随意选择自己偏好的源。

打开cmd或者anaconda prompt，输入以下代码：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

添加完毕后，运行下面这段代码查看镜像源设置是否成功：

conda config --show

如果在channels下方可以查看我们添加的镜像源，那就是设置成功了。

设置完镜像源，我们就可以开始进行PyTorch安装了。

2、在Win10系统下配置PyTorch（CPU版）

（1）首先为PyTorch创建一个虚拟环境。实际项目开发过程中，我们通常会根据自己的需求去下载各种框架和库，但可能每个项目使用的框架和库并不一样，或使用的版本不一样，这时就需要根据需求不断地更新或卸载相应的库，管理起来相当麻烦。创建虚拟环境相当于为不同的项目创建一个独立的空间，在这个空间里安装的任何库和框架都是独立的，不会影响到外部环境。

       因为安装了Anaconda，所以创建虚拟环境变得很简单，可以使用Anaconda Prompt来创建。

       首先打开Anaconda Prompt。在命令行窗口输入以下代码：

       conda create --name pytorch(cpu) python=3.8

     

       注意这里的pytorch(cpu)是虚拟环境的名称，可以自由命名。创建完成之后，可以输入以下命令，进入虚拟环境pytorch:

      activate pytorch(cpu)

    

      不想使用Pytorch（cpu)时，可以输入conda deactivate 关闭当前虚拟环境。

 （2） 进入该虚拟环境后，我们就可以安装PyTorch了。过去我们安装PyTorch的流程非常繁杂，我们需要考虑所使用的Python版本，考虑我们所使用的硬件的版本等等。在PyTorch 1.7 以上版本，以及CUDA 11.0版本，我们将不再需要考虑显卡或Python版本的问题，而可以直接使用简单的语句来进行安装。在三个系统下，我们分别输入如下命令，即可进行安装：

      

     Windows

     打开cmd或者anaconda prompt，输入以下代码：

     

     conda install pytorch torchvision torchaudio cpuonly

     此处我们已经设置了使用清华源进行下载，因此不需要再添加类似于 -c 的命令。

     接下来我们需要使用以下代码来验证PyTorch是否已经被安装成功了，在cmd/terminal中输入python来，进入python环境：

      

     python

     之后输入导入torch库的代码：

     import torch

     如果没有报错，则说明安装成功了。

    

     

3、配置GPU版本之前

       GPU版本的TyTorch需要安装CUDA。CUDA（Compute Unified Device Architecture）是NVIDIA推出的并行计算框架，只有安装这个框架我们的GPU才能够被调用来进行复杂的并行计算。首先，PyTorch是位于最顶层的深度学习框架，GPU是底层硬件，而硬件与深度学习框架之间“语言不通”。GPU不能直接识别PyTorch的代码和指令，它需要二进制代码指令，所以在GPU与PyTorch之间，我们需要能够转换指令、传递数据的接口——也就是CUDA和显卡驱动。CUDA是上层应用程序的接口，它的职责就是将我们在PyTorch中编写好的程序信息（比如让GPU内部开多少个线程来算，怎么算之类的）整理出来，传递到底层硬件的接口，也就是显卡驱动那里。每当显卡驱动收到CUDA发来的指令后，它对CUDA程序进行编译，再将命令以及编译好的程序数据传送给GPU，这样GPU就可以进行运算了。

       所以在这个过程中，CUDA需要与PyTorch互通，也需要与显卡驱动互通，而显卡驱动需要与GPU互通，这种“互通“就是我们常常说到的”兼容“。如果不兼容，那PyTorch就无法顺利调GPU。正因如此，许多 PyTorch的GPU版本安装教程中，都会让大家查询显卡对应的驱动版本，然后再根据显卡驱动版本配置相应版本的CUDA。了解了CUDA、显卡驱动、显卡以及PyTorch的关系之后，我们可以来进行安装了。

      如果GPU是10代之后（GTX 10XX，RTX系列等），应该使用最新版本的CUDA。

4、在Win10与Ubuntu系统下配置PyTorch(GPU版，10代后显卡）

（1）更新显卡驱动

       进入以下页面：https://www.nvidia.com/Download/index.aspx 根据你的系统信息（win或者Linux，64位或32位等）和显卡信息，让英伟达为你推荐最适合的显卡驱动。需要注意的是，如果你的GPU只用于深度学习，你应该选择Studio Driver，这个版本更稳定。

      下载后双击exe文件进行更新，一路点击“确定”与“下一步”，不要修改任何设置。更新完毕之后，进入你的NVIDIA控制面板，查看现有的驱动程序版本。

（2）安装11.0版本CUDA

     

      在以下页面中，根据系统选择下载的CUDA版本： https://developer.nvidia.com/cuda-11.0-download-archive 下载完成后，后双击exe安装包，直接进入安装页面，一路点击同意，确定，下一步，不要修改任何内容。

      安装完成后，打开cmd/terminal，输入以下代码：

      nvcc -v

      如果显示CUDA版本信息，则安装成功。

     

（3）在win10系统下安装cuDNN（非必须）

       

        cuDNN是基于CUDA的一个计算库，我们之前说过，CUDA的职责就是将我们在PyTorch中编写好的程序信息（比如让GPU内部开多少个线程来算，怎么算之类的）整理出来，而cuDNN就是基于CUDA，但更擅长整理深度卷积神经网络计算的程序。安装cuDNN后，我们的卷积神经网络将能够跑得更快。

      

下载cuDNN安装包

       在以下页面下载cuDNN：https://developer.nvidia.com/rdp/cudnn-archive

注意，下载cuDNN会需要成为英伟达开发俱乐部会员（免费），你需要注册并验证邮箱，完成一个调查报告后才能够下载cuDNN。当你注册完成后，可以进入以下页面找到与你的CUDA匹配的cuDNN版本，进行下载。

      

下载完成，解压安装包

      解压安装包后，会得到如下bin、include、lib三个目录：

 接下来，将这三个目录拷贝到：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

这个目录对应的include，lib，bin文件目录下即可。

注：在将lib等文件夹拷贝到新目录时，不是替换原本的文件夹，而是将文件夹放入对应的文件夹

中。

添加环境变量

       

        将你的英伟达环境变量添加到系统中。根据你安装的CUDA版本与你系统的不同，你的环境变量地址，其实就是你的lib文件夹中的x64或x32文件夹的地址，如：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64

将该英伟达的目录路径添加入系统变量的“path"路径中，点击确定，环境变量就配置完成了。

（4）安装PyTorch

       在准备好显卡驱动之后，我们可以直接使用简单的语句来进行PyTorch安装。

       首先为PyTorch创建一个虚拟环境。打开Anaconda Prompt。在命令行窗口输入以下代码：

       conda create --name pytorch(gpu) python=3.8

     

       创建完成之后，可以输入以下命令，进入虚拟环境pytorch(gpu):

      activate pytorch(gpu)

    

      不想使用Pytorch（gpu)时，可以输入 conda deactivate关闭当前虚拟环境。

 （2） 进入该虚拟环境后，我们就可以安装PyTorch了。

Windows

      打开cmd或者anaconda prompt，输入以下代码：

      conda install pytorch torchvision torchaudio cudatoolkit=11.0

      此处我们已经设置了使用清华源进行下载，因此不需要再添加类似于 -c的命令。

      

      

     安装过程需要一段时间，请耐心等待。安装完成后会显示自动同意相关许可及done等字样。当再次 进入可以输入的状态时，就是安装完成了。接下来我们需要使用以下代码来验证PyTorch是否已经被安装成功了，在cmd/terminal中输入python来进入python环境：

     python

     之后输入导入torch库的代码：

    

     import torch

     torch.cuda.is_available()

     如果导入没有报错，且返回True，则说明安装成功，可以使用pytorch的GPU版本了。