一、安装 Anaconda 及 PyCharm
二、安装 Pytorch
在开始窗格中，打开 Anaconda Prompt，如下图：
可以看到，左侧显示一个（base），说明Anaconda 安装无误，且当前正处在 base 这个虚拟环境中。需要注意的是，不建议大家在该预设环境中进行任何操作，因此，额外创建虚拟环境以进行开发即可：
输入 conda create 命令，创建新的虚拟环境：pytorch_1
conda create --name pytorch_1 python=3.6
再输入以下命令：查看新建的 pytorch_1 虚拟环境
可看到，此时系统多了 pytorch_1 这个虚拟环境。（其中tf_1.9与tf_2.0是我早期创建的，忽略即可！）
输入以下命令进入该虚拟环境中：
conda activate pytorch_1
输入 pip list 以查看该虚拟环境中有哪些工具包：
由上图中的Package可见，目前该虚拟环境中有5个工具包，但并没有 pytorch 这个工具包，因此，我们下面将安装此工具包：
选择完毕型号后，输入上图中最后一行的命令即可自动安装 pytorch ：
（型号的选择需要根据自身情况，这一步比较繁琐，没有显卡就选CPU。有显卡还需要确认一下当前显卡的版本型号是否支持 cuda）
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
随后等待安装即可：
该过程会比较漫长…
安装完毕后，仍然输入 pip list 查看 pytorch 是否顺利安装：
此时发现，存在 torch 1.10.2。下面检验是否安装成功，连续输入以下命令即可：
python
import torch
若没有报错，则说明 pytorch 安装成功！
接下来检验，pytorch 是否可以调用你的 GPU。输入以下命令：
torch.cuda.is_available()
此时显示 true，则说明：当前的 pytorch 可以调用我目前的 GPU。
创建新工程及新python文件，命名为：my_pytorch_test.py，输入以下代码：
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())
选择在 pytorch_1 的虚拟环境下运行：
运行结果如下图：
由此可知，所安装的 Pytorch 可以顺利调用 GPU！
至此，Pytorch 安装完毕！
三、安装 Cuda
感谢 天天同学 的提醒，让我这个新手知道了还需要单独安装 Cuda 。。。。。
值得一提的是，这个 Cuda 不是安装在虚拟环境中，而是安装在物理机上。
在安装 Pytorch 的时候，我们注意到选择了安装型号为 11.3 的 Cuda，因此，我们需要对应下载该型号的 Cuda。各种历史版本的 Cuda 官网下载网址为：CUDA Toolkit Archive
添加后，如下图：
至此，Cuda 安装完毕！
四、安装 cuDNN
五、测试 Cuda 是否安装成功
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite
运行 deviceQuery.exe 文件，结果显示如下：
运行 bandwidthTest.exe 文件，结果显示如下：
如果都没有报错，那么就是安装成功了。
你还可以在cmd下输入nvcc -V查看CUDA的版本
Original: https://blog.csdn.net/weixin_43509834/article/details/124483751
Author: 正仪
Title: PyTorch 环境的配置及安装
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/706691/
转载文章受原作者版权保护。转载请注明原作者出处！