Windows + pycharm + jupyter + pytorch安装配置_jupyter notebook安装pytorch及配置环境

    记录一下在pytorch学习中的一些问题，先从安装配置开始，以防自己之后需要配置新环境时忘了。

目录

1.Anaconda安装

 2.创建虚拟环境

3.寻找本机显卡适配CUDA

4.在NVIDIA官网下载对应版本的CUDA

 5.安装适配cuDNN

 6.安装pytorch

7.使用pytorch加入jupyter核

（1）设置jupyter指定端口：

（2）查看配置文件目录：

 （3）. 已安装的环境配置到jupyter中

8、一些其他常用命令（更新中）

（1）根据已有环境克隆一个新环境

---

1.Anaconda安装

Anaconda安装就不多说了，官网上直接下载或者清华镜像下个最新版就行。

下载过程中需要注意是否有勾选自动修改环境变量，否则需要自己去添加一下环境变量。

 2.创建虚拟环境

可以在anaconda navigator上直接创建，也可以在prompt上命令行创建。

命令行创建：

conda create --name yuyin python=3.7 ipykernel

最后的

ipykernel

 可以在创建环境是就安装好，也可以不加直接创建环境。

 安装好后，查看已装环境：

conda env list

说明安装成功了。

这里我安装了好几次都失败一直无法创建环境：

查了很多原因，最后应该是镜像下载问题。我的解决路径：

1.先是安装了 清华镜像

在镜像下安装一直不成功。报错应该是http访问问题。

2.按着百度的方法试了把https改成http，在镜像末尾加上/win64/都不成功。

可以在C:C:\Users\Tony下找到.condarc文件，可以直接修改镜像路径，但是还是不成功，不过报错变了。

3.最后我把镜像全删了下载成功。

3.寻找本机显卡适配CUDA

此处我参考：pytorch、显卡、显卡驱动、cuda版本是如何对应的 - 简书

 先在NVIDIA官网找显卡对应算力，再在wiki上找的CUDA版本对应算力。

4.在NVIDIA官网下载对应版本的CUDA

 

 选择自定义安装。

 

全勾选，一直安装就是了。 

安装的时间比较久。。并且会闪屏几次。

 5.安装适配cuDNN

去cuDNN官网上找到cuda对应的版本下载。

 下载需要注册账号。（国外服务器访问真的是特别慢。。）（好像不注册也能下载）

下载完成后是个压缩包，解压。

把这些文件放到一个文件夹cudnn中，加入到 cuda的安装路径下。

环境变量设置，在高级系统环境设置下设置环境变量。（我是win11，其他系统也一样）

 

 

 找到path，编辑。

 

 6.安装pytorch

进入pytorch官网找到适配的版本。

将这段复制下来。

在prompt中激活之前创建的环境：(后面是环境名)

activate pytorch_gpu 

 

 然后就执行官网上复制的运行就行。

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

 也可以把-c pytorch去掉用清华镜像下载，会快一点。（摘自https://www.cnblogs.com/victorxiao/p/13512258.html）

我用conda下了好多次都有很多包下不成功，所以就用pip下，成功了。

pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

 安装完成后依次输入下列命令行看看是否可用。

7.使用pytorch加入jupyter核

（1）设置jupyter指定端口：

jupyter notebook --port <port_number>

其中，“<port_number>”是自定义端口号。

（2）查看配置文件目录：

jupyter notebook --generate-config

进入该目录下，修改配置文件相关路径。

 （3）. 已安装的环境配置到jupyter中

激活刚刚创建的环境

active pytorch_gpu

之前我们已安装了ipykernel,如果没有安装，则需要先安装。

查看jupyter 目前可调用的内核

jupyter kernelspec list

运行：

conda install nb_conda_kernels   #上次配的，有些忘了是不是这个命令

完了网页上就可以看到加了新的内核。

8、一些其他常用命令（更新中）

（1）根据已有环境克隆一个新环境

根据环境名：

conda create -n B --clone A

根据环境路径：

conda create -n B --clone D:\A

reference：

https://www.cnblogs.com/victorxiao/p/13512258.html

https://blog.csdn.net/a583621671/article/details/87272803

https://www.jianshu.com/p/ac70300b598b

https://www.wpsshop.cn/w/不正经/article/detail/127535