在conda虚拟环境下安装PyTorch-gpu版本

引言：

学会在conda中创造虚拟环境，并且在不同的虚拟环境中安装不同的配置（不同的python、torch版本）至关重要，因为对于不同的项目而言，所需要的环境是不同的，因此我们必须学会在conda里面配置环境。

1. 下载好anaconda以及CUDA

• 检查电脑能够装的最高cuda版本 （注意这里是此电脑能装的最高cuda版本，不是目前的cuda版本，具体cuda版本要到官网进行下载）
  

• 下载anaconda (如何安装pytorch详细教程！！！)全面讲解安装Anaconda+CUDA+PyTorch

• 下载Cuda (注意与python版本相互对应) cuda官方网址下载

  • 下载完后在虚拟环境的命令行输入nvcc -V 检查cuda版本是否正确

  C:\Users\DRJ> nvcc -V
  '''
  nvcc: NVIDIA (R) Cuda compiler driver
  Copyright (c) 2005-2019 NVIDIA Corporation
  Built on Wed_Oct_23_19:32:27_Pacific_Daylight_Time_2019
  Cuda compilation tools, release 10.2, V10.2.89
  '''
  

2. 创建并进入虚拟环境 选择python版本

conda create -n env_name python=3.8  # 创建一个名字为env_name、python版本为3.8的虚拟环境
conda create -n randla python=3.8  # 虚拟环境名字是randla,python版本是3.8
conda activate randla # 激活环境并进入，可以在环境里进行下载各种库和包

3. 找对python torch torchvision cuda的对应版本 并 下载安装

一定要选择合适的python版本，以及对应pytorch、torchvision、cudatoolkit、torchaudio版本。

如果版本对应错误那后面就不会安装成功

1. 各种版本对应表：

1. cuda和torch版本对应表

CUDA 环境	PyTorch 版本
9.2	0.4.1、1.2.0、1.4.0、1.5.0(1)、1.6.0、1.7.0(1)
10.0	1.2.0、1.1.0、1.0.0(1)
10.1	1.4.0、1.5.0(1)、1.6.0、1.7.0(1)
10.2	1.5.0(1)、1.6.0、1.7.0(1)、1.8.0(1)、1.9.0、1.9.0、1.10.0、1.10.1、1.11.0、1.12.0、1.12.1
11.0	1.7.0(1)
11.1	1.8.0(1)、1.9.0、1.10.0
11.3	1.8.0(1)、1.9.0、1.9.1、1.10.0、1.10.0、1.10.1、1.11.0、1.12.0、1.12.1
11.6	1.8.0(1)、1.9.0、1.10.0、1.12.0、1.12.1
11.7	1.12.0、1.12.1、1.13.1

2. torch torchvision python版本对应表
   

3. cuda与cudnn版本对应表
   

4. torchaudio
   
   

如果在虚拟环境中不清楚有些哪些适配的版本可以安装，可以利用下面这个语句进行查询，根据查询结果再进行安装

conda search cudatoolkit ： 可以查找能这个包在目前可以安装哪些版本

2. 具体安装下载方法：

可以直接到pytorch官网的getstart板块下[Pytorch官网](Previous PyTorch Versions | PyTorch)，找conda和pip对应的安装语句（前提是确定好各个包的版本）

主要有以下两种安装手段：

如果下载过慢的话，可以尝试换用清华源或者阿里云的源

A. conda安装

# CUDA 10.2
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch

B. pip安装

# CUDA 10.2
pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html

我采用conda安装语句如下

conda install pytorch==1.10.0 torchvision==0.11.0 cudatoolkit=10.2 torchaudio==0.10.0 -c pytorch

安装完使用pip list 展示一下目前的包的版本，可以看到pytorch不是cpu版本而是与cuda有关的gpu版本了

(randla) C:\Users\DRJ> pip list

4. 测试是否成功

到最后，在python中使用torch.cuda.is_available()返回值是True的时候证明安装pytorch-gpu版本安装成功了。

输入 python 进入python import torch导包 torch.cuda.is_available() 判断是否可以使用gpu， quit()退出python，重新进入命令行。

5. 参考资料

01 Pytorch和CUDA对应的版本及Pytorch和Python对应的版本及Python与Anaconda的对应关系

PyTorch框架中torch、torchvision、torchaudio与python之间的版本对应关系（9月最新版）