目录

1.关于Pytorch

2.Pytorch环境部署前提条件

3.部署方法

4.测试

---

1.关于Pytorch

PyTorch是一个开源的Python机器学习库，基于Torch，用于计算机视觉、自然语言处理等应用程序。
2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。通过torch，我们可以很便捷地调用封装好的api，避免了自己去封装一个基本的网络类型。

2.Pytorch环境部署前提条件

首先，本次环境部署主要基于Anaconda进行。

其次，Pytorch的部署必须满足以下条件：

• 使用的python环境必须是64位。可以在ananconda propt中通过conda info命令查得：我们可以从清华镜像网站文件目录中查得，win32平台下是不包含pytorch包的，所以需要使用win64平台进行部署：
•  Pytorch的版本需要和python版本对应，否则会无法导入，版本对应关系如下：

 

3.部署方法

在确保了上述条件后，可以开始部署PyTorch环境。

部署Pytorch环境具体可分为下载cuda包、torch包、torchversion包三个过程。

为了加快Pytorch包下载速度，我们可以配置清华镜像：

在用户文件夹中创建.condarc文件夹，输入以下内容

=

channels:
  - defaults
  - conda-forge
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

然后在anaconda创建后的虚拟环境中，输入对应命令，进行下载：

conda install pytorch torchvision torchaudio pytorch-cuda=11.6

 我们也可以指定对应的版本号：

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.2

 注意命令最后不要夹-c python，否则会使用默认的channels进行下载，而不使用清华镜像。

若还是无法下载，建议直接到 清华镜像网站 寻找对应的torch包，本地下载会比较快：

选择对应的python版本、cuda版本下的torch包：

torchverison包也一样，版本对应参考上文。

cuda包下面文件夹中：

cudnn和cuda版本之间是对应版本的，根据选择好的cuda选择对应的cudnn即可

下载完成后，将压缩包放入操作文件夹中，执行以下命令：

conda install --use-local  pytorch-1.6.0-py3.8_cuda102_cudnn7_0.tar.bz2

pytorch-1.6.0-py3.8_cuda102_cudnn7_0.tar.bz2为你下载的压缩包名称 

将cuda、cudnn、torch、torchversion四个包安装完成之后，即完成可pytorch环境部署。

4.测试

打开pycharm，输入以下代码：

import torch
print(torch.__version__)

输出你的pytorch版本即为部署成功：