anaconda、torch-GPU的win10本地配置

Anaconda

清华源下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装

不想折腾的话，就直接下一个anaconda，不要下miniconda，然后安装就行了。主要不要勾选环境变量，不然后面conda会出现点小问题

安装完后自己手动配一下环境变量

配完在控制台输入conda --version查看conda版本号，到这里Anaconda的安装就基本完成了

配置

为了规避一些后续错误，先输入命令conda upgrade --all把工具包升级一下

利用anaconda可以创建一个个独立的python环境，首先它会自带一个名为base的环境，我们当然不满足只有一个环境，接下来输入conda create --name XXX python=3.9创建一个新的环境，其中XXX可以自己改成别的名字，装好之后输入activate XXX就可以进入刚创建的环境，进入环境后输入deactivate就可以退出环境回到原来的cmd中。在上述中的XXX环境中安装什么包或者执行什么环境无关的操作，都不会影响到其它的环境，这是很大的一点好处。另外当你不需要这个环境了，可以输入conda remove --name XXX --all来删除环境

简单总结

conda create --name XXX python=3.9 # 创建环境
conda activate XXX 或 activate XXX # 进入环境
conda deactivate 或 deactivate # 退出环境
conda remove --name XXX --all # 删除环境

关于环境是怎么来的（一天一个小知识）：

进入anaconda的安装目录，这里其实就是base环境，进入env文件夹还可以见到之前手动创建的虚拟环境，所以环境的创建其实就是安装了一个真实的python环境，并放入了一个独立的文件夹中，借助强大的conda命令去管理和切换这些环境，使得工作更加方便和清晰

关于anaconda的基本配置到这里就基本完成了，另外安装完anaconda后，还可以找到一个叫anaconda-navigator的东西，相当于可视化界面罢了..可以试着用用

Torch-GPU

首先确认一下你的机子有没有独显。。比如NVIDIA家的。。我现在用的是乐色1050ti

安装CUDA

查看支持CUDA 的独显

CUDA下载地址

NVIDIA推出的只能用于他家GPU的并行计算框架

首先打开NVIDIA控制面板，检查驱动支持的最高CUDA版本，这里是11.6.x

因为是向后兼容的，也就是可以装低版本的CUDA，下面以CUDA 10.1为例，首先去查看本机独显是否支持CUDA的安装，若支持则选择CUDA Toolkit 10.1下载（离线包可能比较稳

需要注意的点：

1. C盘够用的话，安装过程中所有路径保持默认即可，因为installer的某些操作似乎需要管理员权限，你也可以试试装在其它盘
2. 安装选项选择自定义，可以去掉的有：CUDA->Visual Studio Integration、NVIDIA GeForce Experience...以及所有新版本<=当前版本的组件
3. 如果最后因为图形驱动程序选项安装失败，那么可能就去官网下载一个适合本机显卡的驱动并安装，笔记本用户记得在产品系列中选择带(Notebooks)的选项

安装完成后添加环境变量

安装CUDNN

CUDNN下载地址，注意要选择for CUDA 10.1的下载链接

针对深度卷积神经网络的加速库，相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。

下载解压完后将里面bin、include、lib直接拖到cuda的安装目录下即可，即分别将文件夹内容复制到相同名字的cuda的文件夹中

安装Torch-GPU相关包

官网

注意，清华源可能有点问题，比如安装的会是CPU版本而不是GPU的...可以用阿里源或者default也行

由于上面装的是CUDA 10.1，将图中命令复制下来并将10.2改成10.1，复制到anaconda的环境中命令行执行即可

安装完成后，输入conda list看一下有没有装对

可以看到pytorch和torchvision的第三列分别带cuda和cu字样就说明安装对了（emm截图的时候才发现是10.2，可能装的时候忘记改成10.1了），然后在jupyter或者命令行中运行python解释器，看看torch.cuda.is_available()返回值，True就是成功了，说明torch可以在GPU上跑了