1 配置 python 環(huán)境

1.1 安裝 Anaconda

進(jìn)入anaconda官網(wǎng)：https://www.anaconda.com/

點擊 download 下載文件，我這里是 Anaconda3-2022.10-Windows-x86_64.exe（后續(xù)更新版本exe文件會有差別）

下載后打開 .exe 文件下載 anaconda：

選擇安裝路徑（用默認(rèn)的路徑也可以）：

這里兩個都選：

然后安裝就可以了。

1.2 檢查環(huán)境安裝成功

打開 cmd，輸入 conda（如果是下圖這樣就說明 anaconda 安裝成功了）：

輸入 python，這里可以查看 Python 的版本：

1.3 創(chuàng)建虛擬環(huán)境

在 cmd 中輸入 conda create -n 環(huán)境名 python==版本號，如：conda create -n pytorch python==3.9.13（這里我自定義環(huán)境名為 pytorch，python 版本為 3.9.13）

輸入 y

創(chuàng)建完就是這樣的：

1.4 進(jìn)入/退出 剛剛創(chuàng)建的環(huán)境

進(jìn)入環(huán)境：輸入 conda activate 環(huán)境名，如 conda activate pytorch

退出環(huán)境：輸入 conda deactivate

1.5 其它操作

1.5.1 查看電腦上所有已創(chuàng)建的環(huán)境

conda info --env

1.5.2 刪除已創(chuàng)建的環(huán)境

conda remove -n 環(huán)境名 --all

---

2 安裝 CUDA 和 CUDNN

2.1 查看自己電腦支持的 CUDA 版本

可參考：如何查看自己電腦當(dāng)前版本CUDA 可兼容的最高版本

這就說明我的電腦可以安裝的 CUDA 版本可以是 11.7.1 及以下的版本。

2.2 安裝 CUDA

建議先去 pytorch 官網(wǎng)看下目前可以直接用指令安裝的 CUDA 版本（主要是為了方便后續(xù)操作），此外，https://pytorch.org/get-started/previous-versions/ 也提供了以前版本的安裝指令：

看 Compute Platform，有 CUDA 11.6 和 CUDA 11.7，而且我電腦支持的最高 CUDA 版本為 11.7.1，所以后續(xù)安裝時就安 11.6 或 11.7 版本的 CUDA。

前往 CUDA 官網(wǎng)：https://developer.nvidia.com/cuda-toolkit-archive

這里以 11.7.0 版本為例：

按如下選擇（Installer Type兩種都可以，因為是國外網(wǎng)站，下載用外網(wǎng)，如果速度慢的話就選 exe(network)）：

下載完后執(zhí)行 .exe 文件。

根據(jù)自己需求選擇是否更改安裝路徑：

選擇自定義：

這個不用管，點下一步就行：

選擇安裝位置（這里我改了路徑，用默認(rèn)的也可以，這個路徑要記住，后續(xù)要用）：

至此 CUDA 安裝結(jié)束。

---

2.3 安裝 CUDNN

進(jìn)入官網(wǎng)：https://developer.nvidia.com/rdp/cudnn-download

先登錄/注冊賬號，然后按如下選擇：

將下載后的 zip 文件解壓，里面的內(nèi)容如下：

找到剛才安裝 CUDA 時選擇的安裝位置：

然后將 CUDNN 中 bin 文件夾中的所有文件復(fù)制到 .../CUDA/v11.7/bin 中；
CUDNN 中 include 文件夾中的所有文件復(fù)制到 .../CUDA/v11.7/include 中；
CUDNN 中 lib/x64 文件夾中的所有文件復(fù)制到 .../CUDA/v11.7/lib/x64 中。

至此 CUDNN 安裝結(jié)束。

2.4 檢查 CUDA 安裝成功（查看 GPU 使用率、顯存占用情況）

在 cmd 中輸入 nvidia-smi，同時這個指令也可以查看 GPU 的一些信息，如果出現(xiàn)如下界面就說明 CUDA 安裝成功了，這是最好的（但好像有的電腦會報錯 'nvidia-smi'不是內(nèi)部或外部命令，這不一定就表示 CUDA 安裝失敗了，可以搜一下解決方案，或者暫時不用管，繼續(xù)往后做，即使安裝失敗也不會影響后續(xù)的操作，后面安裝完 pytorch 后還能用其他代碼檢查 CUDA 是否可用）。

---

3 安裝 PyTorch

3.1 安裝 PyTorch

進(jìn)入官網(wǎng)：https://pytorch.org/

點擊 Install：

按如下選擇（CUDA 版本要對應(yīng)），下圖中 Run this Command 中的指令后續(xù)要用到：

打開 cmd，進(jìn)入之前創(chuàng)建的 Python 環(huán)境，輸入 conda activate 環(huán)境名，如：conda activate pytorch

進(jìn)入環(huán)境后輸入指令（來源于上圖）：conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia（這里要掛下外網(wǎng)，不然安裝很慢的，沒有條件的話請移步 【3.3 其它方法】。注意，不要像一些教程那樣用清華源，用清華源安裝的 pytorch 沒有 GPU 版本的，全是依靠 CPU 的，GPU 和 CPU 的算力差距很大，跑深度學(xué)習(xí)代碼時用 CPU 能慢死）

輸入 y：

然后等待安裝就可以了，安裝完是這樣的：

3.2 檢查安裝是否成功

可輸入如下指令：

import torch
print(torch.version.cuda)  # 查看 CUDA 版本
print(torch.cuda.is_available())  # 查看 CUDA 是否可用（即訓(xùn)練時是否可用 GPU）
print(torch.cuda.device_count())  # 查看可行的 CUDA 數(shù)目

3.3 其它方法

如果沒有加速器掛不了外網(wǎng)的話操作就比較麻煩了。這里再強(qiáng)調(diào)一遍！！！不要像一些教程那樣用清華源，用清華源安裝的 PyTorch 沒有 GPU 版本的，全是依靠 CPU 的，跑深度學(xué)習(xí)代碼時用 CPU 很慢。

在 PyTorch 官網(wǎng)中選擇 Pip 的方法，找到如下網(wǎng)址：

然后我們進(jìn)入打開這個網(wǎng)址，也就是 https://download.pytorch.org/whl/cu117

里面就是這樣的：

我們需要自己下載的文件就是 torch，torchvision，torchaudio

然后我們先點擊進(jìn)入 torch，找到如下位置（根據(jù)自己的 CUDA 版本、python 版本找到相應(yīng)的文件，cu117 指的是 CUDA 版本為 11.7，cp39 指的是 python 版本為 3.9，版本一定要對應(yīng)上），點擊下載：

torchvision和torchaudio 同理：

然后我們把這三個 .whl 文件隨便放到一個文件夾下：

然后打開 cmd，進(jìn)入到這個文件夾，用 pip install 剛剛下載的文件 安裝：

pip install torch-1.13.1+cu117-cp39-cp39-win_amd64.whl
pip install torchvision-0.14.1+cu117-cp39-cp39-win_amd64.whl
pip install torchaudio-0.13.1+cu117-cp39-cp39-win_amd64.whl

4 在 PyCharm 中使用 PyTorch

首先新建項目，按如下步驟操作：

然后點擊 Create 創(chuàng)建項目即可

可通過以下代碼測試使用 PyTorch：

import torchprint(torch.version.cuda)  # 查看 CUDA 版本
print(torch.cuda.is_available())  # 查看 CUDA 是否可用（即訓(xùn)練時是否可用 GPU）
print(torch.cuda.device_count())  # 查看可行的 CUDA 數(shù)目device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3, 3).cuda())

5 遠(yuǎn)程 Linux 服務(wù)器配置 PyTorch

遠(yuǎn)程服務(wù)器配置 Anaconda 并安裝 PyTorch 詳細(xì)教程