Windows端pytorch镜像快速安装【清华源】_pytorch清华镜像

目录

0.  说在前面

1.  安装Anacoda

1.1  说在前面

1.2  下载

1.3  安装

1.4  记住3条命令

2.  安装CUDA

2.1  更新NVIDIA驱动

2.2  下载CUDA

3  安装cudnn

3.1  下载安装

​​4  安装pytorch

4.1  清华园镜像路径快速配置安装

4 .2  查看pytorch版本

4.2.1第一种方法（一般都可以，不能就往下看第二种方法）

4.2.2  第二种方法

4.3  拷贝适合自己电脑和显卡的pytorch下载路径并安装

4.4  官方路径下载pytorch

5  检验是否安装成功

0.  说在前面

无需预先安装python。在anaconda中创建python虚拟环境，便于适应多个不同python的程序

1.  安装Anacoda

1.1  说在前面

Anaconda是一个可以科学计算python的发行版，支持win、mac、linux。它可以提供包管理和环境管理功能，可以解决多版本的python配置。

通俗来讲，就是安装anaconda会有一个默认的python，但是可以继续安装其他的python虚拟环境，通过切换不同的python环境进行多个不同python环境的程序运行。

1.2  下载

Anacon下载网址

Anaconda | The World's Most Popular Data Science Platformhttps://www.anaconda.com/

此处注意：我们最好下载最新的anacond版本，因为anaconda是向下兼容。例如，下图python是3.9，那么我们可以下载3.8、3.7等，如果我们选择anaconda的python是3.6，就不可以下载python3.8、3.9。​

1.3  安装

1.选Just Me,点 Next

​

2.设置安装路径，最好不要放在c盘，随后点Next

​

3.两个都打上勾

​

4.等待安装

​

5.安装完成点Next

​

​

6.取消打勾，不创建快捷方式

​

7.检测anaconda是否安装成功

按住win+R，输入cmd,进入命令提示符

 ​

 输入conda

​

输入activate​

 下一行出现base,就说明安装完成.

输入python,可以看到我们anaconda默认的python环境。我的是python3.9.7。

​

1.4  记住3条命令

1.创建python环境,根据自己情况输入下面的语句，然后按照提示输入“y”,等待下载python等虚拟环境文件。

conda create -n xxxx python=xxxx

以下面图片为例讲解 

​

2.进入虚拟环境语句,  conda activate +虚拟环境名称

conda activate py38

 退出环境语句

conda deactivate

​

2.  安装CUDA

2.1  更新NVIDIA驱动

（更新驱动便于后面的cuda安装，不会出现版本过低情况）

按住CTRL+ALT+delete，或者右击电脑下面的任务栏，打开自己的任务管理器,看自己的型号。

​

NVIDIA驱动更新官网链接官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/index.aspx?lang=cnhttps://www.nvidia.cn/Download/index.aspx?lang=cn

使用更专业的选项选择适合自己电脑的驱动

（我的电脑是1050的，选项设置为上图，如果你的显卡配置找不到，可以把每个选项都打开以下查找最适合自己的） ​

​

 在官网选择相应的选项后，红色框部分，默认即可。产品系列中的 Notebooks 指的笔记本。将下载后的驱动，正常安装即可。

2.2  下载CUDA

进入CUDA网址，根据自己电脑情况选择CUDA Toolkit 11.6 Update 1 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64

​

选择好之后点击 exe(local) 

​

随后进行安装，不建议安装放在C盘 

点 “同意并继续”

​

 选择“自定义”，再点“下一步”

​

 打开每一项，把新版本小于旧版本的取消打勾，再点下一步

​

 选择安装位置。

​

因为我们后续可能要安装多个CUDA版本,所以要给CUDA创建一个工作文件。

例如下图，按照原创建的文件名仿照创建两个，并做好路径设置。一定要记住CUDA安装在哪，以后会用得到。​ 

 点“下一步”，等待安装

​

安装好之后会出现没有安装VS，可以忽略。也可以安装一个。

点击“下一步”

”​

点击“关闭”

​

 进入CMD,输入下面的代码

nvcc -V

 会出现下图，其中标红为CUDA版本

​

3  安装cudnn

cudnn是一个用于深度学习、神经网络的加速库，和CUDA结合在一起可以调整性能，还能在GPU上实现的高性能并行计算.。

3.1  下载安装

进入网址NVIDIA cuDNN | NVIDIA Developerhttps://developer.nvidia.com/cudnn

点击"Download  cuDNN"

​

 ​

​

 下载好之后是一个压缩包

​

解压好之后，复制这三个文件到CUDA文件的NVIDIA GPU Computing文件下

​

​4  安装pytorch

4.1  清华园镜像路径快速配置安装

打开cmd终端命令窗口，输入如下代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

输入好页面图如下：​（注：红框圈出来的为上述要输入的四行代码。蓝色圈出来的是自己已经添加好channels,会给你提示已经存在，看到之后不用理会，继续下面操作）

运行完之后可以打开“我的电脑/此电脑”,点击“C盘”，点击“用户”，找到自己的用户名（以我的为例，我的是‘AJIE'）,最下面有一个".condrc"文件,以记事本方式打开，会看到如下：​

这些就是刚才在CMD中使用命令添加进去的

4 .2  查看pytorch版本

4.2.1第一种方法（一般都可以，不能就往下看第二种方法）

首先，同时按住按住CTRL+ALT+delete，或者右击电脑下面的任务栏，打开自己的任务管理器,看自己的型号。

绝大多数的NVIDIA的显卡，都是支持深度学习的。你可以去 这里 查阅，如果这里面有你的显卡的话，那么说明你的显卡是支持深度学习的。

如果你的显卡支持深度学习，请在CMD命令行处，输入如下代码， 查看自己驱动的版本。

nvidia-smi

​
 

 ！！！！务必，保证自己的驱动版本数大于 396.26，像我这里的驱动版本数为511.65，满足要求。如果小于396.26，可以去官网上下载驱动更新（别问我怎么知道的，我也是刚更新完）

4.2.2  第二种方法

执行如下命令，这是定时刷新出现你的CUDA信息

cd C:\Program Files\NVIDIA Corporation\NVSMI

nvidia-smi -l 2

4.3  拷贝适合自己电脑和显卡的pytorch下载路径并安装

进pytorch下载官网Start Locally | PyTorchStart Locally | PyTorch正在上传…重新上传取消https://pytorch.org/get-started/locally/

​

打开第一步的 cmd终端命令窗口，输入刚才上图中的下载路径，我的是

​

注意：输入到cmd中要把最后的 “ -c python ”删掉，不要复制进去。因为  “-c python”是从pytorch下载，我们设置的是清华园下载！！！！ 

​

 随后会提示要安装的包，等待下载提取包+安装即可​

​

​ 重新打开cmd,输入如下代码,可以看到自己安装的所有packages包

pip list

​

 ​

此时出现torch,初步证明已经安装了 

4.4  官方路径下载pytorch

使用官方的pytorch路径下载pytorch，记得加上 -c pytorch

​

5  检验是否安装成功

打开菜单栏，进入Anaconda Prompt

 ​

 输入“python”,在输入如下代码，如果没有报错，意味着 PyTorch 已经顺利安装了

import torch”

​

 检验pytorch是否可以在电脑CUDA(NVIDIA显卡使用)，输入如下代码，如果是 True，意味着你可以使用 GPU，如果是 False，意味着只能使用CPU。

torch.cuda.is_available()

​

 至此，pytorch已经安装完成。

更多干货继续关注本博客~有问题欢迎下方评论一起讨论，交流才是真!!!