環境介紹

安裝pycharm

官網下載即可，我這里已經安裝，就不演示了

安裝anaconda

【官網鏈接】點擊下載

注意這一步選擇just me

這一步全部勾上

打開 anaconda Prompt

輸入conda create -n pytorch python==3.8

命令解釋：創建一個叫pytorch（也可以取其他名字，只要不是中文的就行）的環境，其中python版本為3.8（python版本也可以根據需要指定例如3.12等）

輸入conda env list

可以看到環境中除了基本的base環境，還有剛剛創建的名字為pytorch環境

輸入activate pytorch

可以進入pytorch環境中去

pytorch與深度學習環境安裝

檢查本地環境

打開CMD窗口，輸入nvidia-smi查看cuda驅動支持的最高版本cudatookkit，這個是向下兼容的

pytorch 的GPU深度學習環境安裝

進入【pytorch官網】，找到之前的版本，找到1.10.1版本

通過下面這個命令，可以一次性將pytorch、cuda、cudatoolkit等工具都安裝下來，如果一次下載不成功，可以多次運行，知道下載成功。

# CUDA 11.3
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

可以通過conda list 來檢查是否安裝成功

額外安裝使用鏡像源安裝sklearn

pip install sklearn==0.0 -i https://pypi.mirrors.ustc.edu.cn/simple/

打開pycharm

根據上述步驟，完成環境配置

編寫main.py 測試 環境是否安裝成功

測試安裝

測試代碼

import torchflag = torch.cuda.is_available()
print(flag) # cuda激活-返回true 安裝成功ngpu = 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())# 檢查cuda版本
cuda_version=torch.version.cuda
print("CUDA Version:", cuda_version)# 檢查CuDNN version
cudnn_version = torch.backends.cudnn.version()
print("CUDNN Version:", cudnn_version)

這樣就安裝成功了

參考資料

Pytorch框架與經典卷積神經網絡與實戰