前言

学习的时候遇到几个机器学习相关的项目，由于不同的项目之间用到的依赖库不太一样，于是想利用conda为不同的项目创建不同的环境方便管理和运行，结果在装torch的时候装了半天，浅浅的记录一下

conda

关于conda的介绍和用法这里不再赘述，只需要指导conda可以创建不同的虚拟环境，方便依赖库不同或有冲突的项目能够在各自的虚拟环境里独立运行，相关资料可以引用下面的博文：

conda安装与使用

创建虚拟环境

配置好conda的环境变量之后就可以通过以下命令创建虚拟环境了，这里以python3.8为例，name这里为创建的环境的名：

conda create -n [name] python=3.8
#例如
conda create -n skincare python=3.8

激活环境，cmd下使用activate命令打开conda环境

activate [name]

anaconda也提供了可视化界面

安装torch

在安装torch的时候最好是能想清楚这个机器学习项目是用CPU来跑还是用GPU来跑，笔者这里以GPU为例展示安装过程
首先利用nvidia-smi命令查看机器上GPU的相关信息，比较关键的是这个CUDA的版本，比如这里最高支持的CUDA版本是11.6，在安装torch的时候可以尝试选择cu116或以下的版本

torch官网在线安装

在官网上选择好torch的操作系统，安装方式，安装版本等信息，复制安装命令进行安装

在线安装的话对网络环境要求比较高，尤其是当安装文件比较大的时候，因此如果多次在线安装失败可以尝试离线手动安装

离线手动安装

打开网址：https://download.pytorch.org/whl/torch_stable.html

主要是要注意选择合适的版本，cpu表示CPU版本的，cuxxx表示CUDA版本的，cp37表示python3.7版，选择torch对应的版本号以及操作系统版本，进行下载
根据torch官网的安装命令，笔者下载了pytorch、torchvision、torchaudio三个安装文件

下载好之后利用pip命令进行安装（注意1.需要先安装torch再安装其他whl，2.利用了conda虚拟环境的话需要先开启进入环境再安装）

测试是否安装成功

打开python解释器，导入库不报错则安装成功

检测GPU是否可用

print(torch.cuda.is_available())

查看torch版本

print(torch.__version__)

至此安装完成

后记

若还有疑问，欢迎评论留言或与我联系