python深度学习：利用Anaconda新建虚拟环境下，GPU和CPU两个版本的pytorch安装分享

---

一、查看独立显卡

首先要确定电脑是否具有NVIDIA显卡，如果是AMD显卡或无显卡等，则只能安装CPU版本，查询方法按ctrl+shift+esc键打开任务管理器，点击性能查看GPU及其型号是否具备独立显卡。

二、安装软件

安装Anaconda3+Pycharm（已经安装的跳过）

这里就不详细介绍安装过程，以下提供两个安装包的网盘链接：
链接: Anaconda3
链接: Pycharm

三、GPU版本

1.安装CUDA

首先查看显卡所支持的最高CUDA版本，按win+r键，输入cmd进入管理界面输入：nvidia-smi
如图所示：
需要更新下载的可以下方链接网站下载，推荐达到11.8以上。安装默认路径,选项全勾选。
https://developer.nvidia.com/cuda-toolkit-archive

2.安装CUDNN

以下提供链接为官方网站：
https://developer.nvidia.com/rdp/cudnn-archive
在网站内选择与所安装的CUDA版本对应的版本。
将下载的压缩文件解压，复制文件进CUDA（默认路径：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4”）文件夹覆盖替换掉原来的文件。

3.创建虚拟环境

win键搜索栏输入anaconda prompt找到并打开应用。
输入下面代码新建一个虚拟环境：

conda create -n pytorch-gpu python=3.9

注：pytorch-gpu为自定义的环境名字，可修改。python=3.9创建的是3.9的python版本。过程中输入y确认继续创建。
创建后输入代码进入所创建的环境中：

conda activate pytorch-gpu

4.安装GPU版本pytorch

首先要确保在关闭加速软件的环境安装，因下载文件比较大且为外网，故安装较慢。在虚拟环境下输入以下命令安装：

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

4、CPU版本

1.创建虚拟环境

win键搜索栏输入anaconda prompt找到并打开应用。
输入下面代码新建一个虚拟环境：

conda create -n pytorch-cpu python=3.9

注：pytorch-cpu为自定义的环境名字，可修改。python=3.9创建的是3.9的python版本。过程中输入y确认继续创建。
创建后输入代码进入所创建的环境中：

conda activate pytorch-cpu

2.安装CPU版本pytorch

输入以下命令安装即可：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

5、拓展（更改pip和conda源）

win键搜索栏输入anaconda prompt找到并打开应用。输入以下代码可以加快下载速度：

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple