前言
参考文档：https://github.com/TingsongYu/PyTorch-Tutorial-2nd
环境配置之Anaconda
解释器——python.exe，是人类与CPU之间的桥梁，需要配置系统环境变量
Anaconda：集成环境，包管理器 Conda
- 安装 Anaconda：运行下载的安装程序，按照提示完成安装。
安装Anaconda时，会自动安装Python常用的库和工具。因此，安装Anaconda后，你可以直接开始使用Python，而不需要额外安装Python.exe。 - 使用 Anaconda：
- 打开 Anaconda Navigator，这是一个图形化的管理工具，可以在其中启动 Jupyter - Notebook、Spyder 等应用。
- 打开 Anaconda Prompt（命令行工具），在其中使用 Conda 命令管理包和环境。
- 常用 Conda 命令
- 创建新环境：
conda create -n myenv python=3.8 - 激活环境：
conda activate myenv - 安装包：
conda install numpy - 列出环境：
conda env list - 删除环境：
conda env remove -n myenv
- 创建新环境：
配置环境之IDE
- pycharm：我不用，所以只描述缺点◔.̮◔✧，配置破解版有点麻烦，破解网址
https://3.jetbra.in/- 资源消耗大：PyCharm 比较耗费系统资源，可能在配置较低的电脑上运行不流畅。
- 费用：PyCharm 有社区版和专业版，社区版是免费的，但专业版需要付费才能使用所有高级功能。
当然我会给你提一些使用建议：
Jetbrains Toobox：管理你的jetbrains下载的所有工具，安装/卸载工具方便，管理版本也方便，在Win电脑任务栏可快捷打开
- vscode：我用，只描述优点◔.̮◔✧
- 轻量且可扩展：VSCode 是一个轻量级的代码编辑器，启动和运行速度快，可以通过安装扩展来增加功能。
- 多语言支持：VSCode 支持多种编程语言，不仅仅是 Python，还包括 JavaScript、TypeScript、Go、Java 等。
- 丰富的扩展：有大量社区开发的扩展可供选择，可以根据需要安装 Python 扩展、Jupyter 扩展等。
- 内置终端：VSCode 提供内置终端，方便执行命令行操作
- 免费：VSCode 是完全免费的，所有功能和扩展都可以免费使用。这才是重点，建议人手必备
下载后的配置我不做过多描述，都学到配置PyTorch了，你多半很会敲代码了。
环境配置之CUDA&cuDNN
PyTorch的安装可根据设备类型分为GPU版或CPU版。由于 CUDA 12.x 目前还没有广泛支持的 PyTorch 版本，建议暂时使用 CUDA 11.x 版本来确保兼容性和稳定性。。
CPU
这样下载的是最新版的，但不建议使用
pip3 install torch torchvision torchaudio
GPU
建议使用GPU安装，深度学习需要强大的GPU支持，计算能力大于3，就可以使用PyTorch了
任务管理器查看，NAIDV文档
1.CUDA
-
CUDA下载地址，我下载的是
Version 11.8，默认位置安装在C盘 -
等待下载完成，超慢的
-
登录好账户后打开终端
nvcc -V验证，出现下图表明安装成功
2.cuDNN
有了CUDA平台，还需要安装cuDNN，cuDNN全称为NVIDIA CUDA Deep Neural Network (cuDNN) 。它是一个深度神经网络的加速库，里边实现了神经网络常用的操作，并且是高度优化的，可以极大地榨干NVIDA显卡的性能，因此用N卡都会用cuDNN库。
-
打开url：
https://developer.nvidia.com/rdp/cudnn-archive， -
点击Download cuDNN，跳转到下载页面，选择好cudnn版本，操作系统版本，即可开始下载
-
分别将bin、include、lib\x64下的文件分别对应拷贝到C:\Program Files\NVIDIA GPU Computing
Toolkit\CUDA\v10.2文件夹下的bin、include、lib\x64下 -
打开命令窗口，在
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite文件夹中分别
执行bandwidthTest.exe和deviceQuery.exe。观察到Result=PASS即表示安装成功。
环境配置之PyTorch系列包
- 打开这两个随意一个
# 创建环境
conda create -n pytorch_item python=3.11
# 激活环境：
conda activate pytorch_item
# 我使用的是11.8用下面的命令安装 + 使用清华大学源
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1+cu118 -f https://pytorch-geometric.com/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple
验证安装
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))
