【教程】虚拟环境与Pytorch安装
- NVIDIA驱动安装
- 虚拟环境
- 创建
- 激活/删除
- 相关库的安装
- Pytorch安装
- 安装地址
- 可能遇到的问题
- 处理报错
- 安装卡顿
- 测试是否安装完成
- 参考
NVIDIA驱动安装
NVIDIA驱动可在官网进行安装：NVIDIA驱动官网
命令行输入nvidia-smi可查看cuda版本等信息：
虚拟环境
【声明】 请确保已安装conda与pycharm，可参考博文：【教程】Miniconda+Pycharm安装保姆级教学
创建
输入以下代码，创建虚拟环境
conda create -n 自定义名称 python==3.8.5 ## 创建虚拟环境，定义python版本
创建成功后系统返回done，并出现如下提示：
激活/删除
输入以下代码，激活虚拟环境
conda activate -自定义名称 ## 激活
conda deactivate ## 删除
首次激活出现如下界面：
可以看到虚拟环境以我们自定义的名称作为开头，并被置于括号内。
相关库的安装
- 输入
dir可查看项目文件夹内文件列表：
- 输入代码
pip install -r requirements.txt进行所需库的安装：
从图中可以看到是通过镜像进行安装，速度还是较快的（因为在安装conda的时候已进行换源）。
Pytorch安装
安装地址
可在pytorch官网查看相应指令进行安装，官网如下：pytorch官网
针对其余版本（本处以v1.10.0为例）：
进入虚拟环境，命令行内输入以下代码即可：
# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3
环境地址为conda安装的地址下的envs文件夹中。
可能遇到的问题
处理报错
安装过程中可能会遇到如下报错警告：WARNING conda.gateways.disk.delete:unlink_or_rename_to_trash(139)。经尝试，按照系统相关指令删除指定文件夹内文件即可恢复。具体可参考此篇文章：参考。
安装卡顿
可多次执行上述安装指令
测试是否安装完成
若安装完成命令行返回done，我们可以通过输入以下代码进行测试：
>>> import torch
>>> print(torch.cuda.is_available())
True
>>> exit()
若返回值为True，则表示测试成功。
参考
本文参考博文如下：https://blog.csdn.net/ECHOSON/article/details/128130360
