请不要质疑我一直在水文章，因为我电脑被格式化了，需求又变了，这不得多多与时代接轨哦！
为我的GRCNN抓取打基础，之前是在Ubuntu上跑：【机械臂视觉抓取从理论到实战】，没错现在就是在WIN11上跑🤣🤣🤣，后面还会有对应演示视频哦💕💕💕
1. 下载miniconda
官网地址：https://docs.conda.io/projects/miniconda/en/latest/
点击Miniconda3 Windows 64-bit下载
如果想体验全面的功能可下载完整版：https://www.anaconda.com/download
2. 安装miniconda
以管理员方式运行
点击下一步
点击我同意
点击下一步
选择合适的安装路径，点击下一步
点击全选，第二项一定需要勾选，此处是添加环境变量，方便后期Vscode找到，点击安装
点击完成
在菜单中选择应用，搜索miniconda，打开miniconda终端
# 查看有那些虚拟环境
conda env list
# 查看有某个虚拟环境有那些包
conda list
值得注意的是。若采用conda环境配置后续环境，需要注意python版本与Pytorch、Tensorflow等的版本对应关系！接下来的安装与配置均建立在系统环境基础上，不建立在conda环境基础上
3. miniconda换源
windows环境下conda更换为国内清华镜像源
或者
step1 Anaconda Prompt下输入以下命令 生成.condarc文件
conda config --set show_channel_urls yes
step2 找到.condarc文件，一般该文件在目录C:\Users\用户名 路径下
step3 以记事本打开.condarc，修改内容为：
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
step4 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
conda clean -i
step5 输入以下命令将会显示conda的配置信息, 换源成功！！
conda config --show
4. 安装pytorch
输入如下的命令。
nvidia-smi
得到如下图的信息图，可以看到驱动的版本是528.02；最高支持的CUDA版本是12.0版本。得到显卡的最高支持的CUDA版本，我们就可以根据这个信息来安装环境了。
大家需要根据自己开发环境选择合适版本，可参考：https://github.com/pytorch/vision
The following is the corresponding torchvision versions and supported Python
versions.
torch | torchvision | Python |
|---|---|---|
main / nightly | main / nightly | >=3.8, <=3.11 |
2.1 | 0.16 | >=3.8, <=3.11 |
2.0 | 0.15 | >=3.8, <=3.11 |
1.13 | 0.14 | >=3.7.2, <=3.10 |
torch | torchvision | Python |
|---|---|---|
1.12 | 0.13 | >=3.7, <=3.10 |
1.11 | 0.12 | >=3.7, <=3.10 |
1.10 | 0.11 | >=3.6, <=3.9 |
1.9 | 0.10 | >=3.6, <=3.9 |
1.8 | 0.9 | >=3.6, <=3.9 |
1.7 | 0.8 | >=3.6, <=3.9 |
1.6 | 0.7 | >=3.6, <=3.8 |
1.5 | 0.6 | >=3.5, <=3.8 |
1.4 | 0.5 | ==2.7, >=3.5, <=3.8 |
1.3 | 0.4.2 / 0.4.3 | ==2.7, >=3.5, <=3.7 |
1.2 | 0.4.1 | ==2.7, >=3.5, <=3.7 |
1.1 | 0.3 | ==2.7, >=3.5, <=3.7 |
<=1.0 | 0.2 | ==2.7, >=3.5, <=3.7 |
# 创建新的环境
conda create -n mytorch python==3.8.10
# 激活环境
conda activate mytorch
# 删除环境
conda remove -n mytorch --all
# 退出当前环境
conda deactivate
输入y
进入mytorch环境
# 激活环境
conda activate mytorch
根据官网提供的一键安装
#3.安装cuda，注意30系需要cudatoolkit11以上
# CUDA 10.2
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=10.2 -c pytorch
# CUDA 11.3
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
# CUDA 11.6
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge
# CPU Only
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cpuonly -c pytorch
5. 测试是否安装成功
在终端激活环境后，输入python，输入下列指令：
import torch
import torchvision
# 该指令显示pytorch版本
print(torch.__version__)
# 若cuda已安装，将显示true
torch.cuda.is_available()
返回
有时可用使用pip临时更换镜像源
国内使用 pip命令安装包时，有时候会因为国外服务器的原因，安装速度过慢，使用国内镜像源安装包，速度会灰常快滴。以下是国内镜像源：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
豆瓣：http://pypi.douban.com/simple/
pip 后面 加上 -i参数，再加上面的镜像源即可，示例如下：
pip install requests -i http://mirrors.aliyun.com/pypi/simple/
6. 问题：
如果anaconda无法使用，可以考虑是否添加环境变量
说明
在Win11系统上正常安装完Anaconda之后，在cmd命令行窗口：
设置环境变量
1.此电脑-》属性-》高级系统设置-》环境变量
2.系统变量找到Path，在Path中添加如下两个变量
3.测试
至此，OK！！！
7. 总结
不管环境怎么更新，只要掌握其精髓，自然水到渠成。🎉🎉🎉🤣🤣🤣
