起源

做毕业设计需要用到pytorch-gpu，那么开始动手配置环境。需要的有pytorch和cuda，以及最后在jupyter notebook里写代码。conda是一个优秀的包管理器，而且可以配置多种不同的语言环境以适应不同的需求，所以选用miniconda（anaconda也一样）来进行环境配置。

下面是方法步骤

查看电脑上英伟达显卡驱动对应的cuda版本

打开NVIDIA控制面板，点击帮助 - 系统信息 - 组件，查看显卡驱动对应的cuda版本。NVCUDA.DLL那一项，我的显示是CUDA8.0.0。

NVIDIA控制面板

决定需要使用的python版本

如果在pytorch官网能找到你的cuda版本对应的命令行，那么记住这个命令，等装好了conda再来使用

pytorch.org

如果上面官网找不到你对应的cuda版本，像我。那么求助这个网站，找到自己cuda版本的安装命令以及对应的python版本。同样记住这个命令。以我为例，我使用的版本是python3.7+cuda8

cuda8 + python 3.5，3.6，3.7

下载安装miniconda（或anaconda）

miniconda比较小，anaconda比较大。但是minconda就能够满足我的要求，所以我选用minconda。最开始的时候我以为需要下载对应python3.7版本的miniconda（其实在使用conda创建环境的时候可以选择python版本，如果不是conda的默认python版本，会自行下载安装），于是在miniconda下载地址找到python3.7版本的miniconda下载安装

miniconda3-py37

安装过程中有几点需要注意，此处选择使用用户，如果电脑上只有自己一个用户，那么选择just me就好了，否则后续手动安装包的时候会出现权限问题。

用户选择

记住conda的安装路径

安装路径

安装完成后，有的安装程序可能会让你安装个vs，跳过他。安装程序运行结束之后，在开始菜单中找到Anaconda Prompt，点击运行。出现命令行且左边有一个（base），说明安装成功。

Anaconda Prompt

创建一个新的python运行环境

conda的一个很强大的功能就是可以创建多个不同的环境，比如python2+tensorflow，python3+tensorflow，python3+pytorch等，并且两两之间互不影响。那么我们接下来创建一个用于运行pytorch的python环境，运行下面的命令，其中，conda指我们使用conda命令执行；create即创建一个新环境的意思；-n即name，指你要创建的环境的名字，自己可以任意命名；python=3.7指使用的python版本，因为我在决定需要使用的python版本时选择了python3.7+cuda8，所以使用python3.7，而你可以指定自己的cuda对应的版本（>及之前的字符表示当前目录和环境，为了能更好地分辨在哪个地方输入命令，不用敲在命令行里）：

(base) C:\Users\yi>conda create -n pytorch python=3.7

创建完成后运行下面命令，可以看到本机已创建的所有环境及当前环境

(base) C:\Users\yi>conda info --envs

之后使用下面的命令激活该环境，命令执行完成后，命令行前面的base换成了pytorch即代表已经激活该环境了，但是现在这个环境里只有一些标准的python包，没有pytorch包，后面继续配置。

(base) C:\Users\yi>conda activate pytorch

(pytorch) C:\Users\yi>

在新环境下配置pytorch

在命令行中运行决定需要使用的python版本这一步中找到的自己的cuda+python版本对应的安装pyotrch命令

(pytorch) C:\Users\yi>conda install pytorch cuda80 -c pytorch

注意观察The following packages will be downloaded:处所要下载的pytorch版本。我的是pytorch-1.7.1-py3.7_cuda110_cudnn8_0。

pytorch-1.7.1-py3.7_cuda110_cudnn8_0

运行上面那个命令之后，输入y回车，让他下载安装，由于我在下载pytorch时非常慢，导致一直下载不成功，需要手动下载这个包并安装。如果你也遇到了一样的问题，按一下ctrl+c，跳过这个包，其他包正常下载。

也可以通过更换源的方式加速下载，但是我当时没有想到，所以没有试过，你自己可以试试看，如果更换源之后安装成功了，那么pytorch-gpu就安装好了，就差一个趁手的编译器了

直至下载结束，这个时候我们只差pytorch包没有下载了，其他的依赖包都已经下载完毕。那么我们去寻找这个包的下载地址，找到对应的包复制链接放到讯雷里下载（太快了）。

pytorch-1.7.1      py37_cuda110_cudnn8_0

将下载下来的tar.bz2包放在命令行提示符显示的路径下，比如我是C:\Users\yi。然后运行下面的命令。注意：--use-local后面的字符是自己下载的这个包的文件名全名。

(pytorch) C:\Users\yi>conda install --use-local pytorch-1.7.1-py3.7_cuda110_cudnn8_0.tar.bz2

让其安装完成，如果没有全部done，照着出错信息整一下然后重启Anaconda Prompt，重新运行上面这个命令就可以完全done了。

上面这个包手动安装成功之后，再次运行

(pytorch) C:\Users\yi>conda install pytorch cuda80 -c pytorch

注意命令行提示，说要将pytorch1.7.1降级为pytorch1.0.0，还是去这个下载地址下载对应的包，（The following packages will be downloaded:处有包的版本）。重新安装这个包然后又运行一次命令，最终完成。

(pytorch) C:\Users\yi>conda install pytorch cuda80 -c pytorch

在命令行输入如下命令，没有报错即配置成功

(pytorch) C:\Users\yi>python Python 3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32 Type "help", "copyright", "credits" or "license" for more information.

>>> import torch

>>> torch.cuda.is_available()

True

>>>

用jupyter notebook写代码

因为我自己原先就装了jupyter notebook，所以没有在环境中安装也成功了，若你没有则自己安装一下jupyter。安装完jupyter之后，运行下列命令，第一个命令安装ipykernel，第二个命令给刚才创建的环境整一个jupyter的kernel，其中--name后面的pytorch是刚才创建的环境的名字，--display-name后面是在jupyter中显示的该kernel的名字。

(pytorch) C:\Users\yi>pip install ipykernel

(pytorch) C:\Users\yi> python -m ipykernel install --user --name pytorch --display-name "Python3.7(Pytorch)"

执行完毕后，运行命令就会在浏览器打开jupyter notebook

(pytorch) C:\Users\yi>jupyter notebook

在notebook处点击New，点击python3.7(pytorch)即新建一个刚才创建环境的notebook，在notebook中运行测试代码得到如下结果，最终完成配置。

新建notebook

测试代码