【PyTorch】2024保姆级安装教程-Python-（CPU+GPU详细完整版）-
一、准备工作
- pytorch需要python3.6及以上的python版本
- 我是利用Anaconda来管理我的python。可自行安装Anaconda。
- Anaconda官网 Free Download | Anaconda
具体Anaconda安装教程可参考
https://blog.ZEEKLOG.net/weixin_43412762/article/details/129599741?fromshare=blogdetail&sharetype=blogdetail&sharerId=129599741&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link
二、pytorch介绍
安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。
- CPU版本安装：CPU 版本适用于没有 GPU 或不需要使用 GPU 进行深度学习的情况。安装过程相对简单，因为没有依赖 GPU 驱动和 CUDA 的要求。
- GPU版本安装：如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。
三、CPU版本pytorch安装
为了更好的管理不同项目的Python项目，通常建议创建一个虚拟环境。可以隔离不同项目的依赖项，避免项目之间的冲突。
1、创建虚拟环境
安装好Anaconda后会有这些程序
输入以下指令可查看当前的虚拟环境
conda env list 
利用 conda create 指令创建新的虚拟环境
conda create –n 虚拟环境名字(自己设置) python=版本 演示如下
输入y，等待安装
2、路径处理
如果安装后的虚拟环境没在 annconda3\enxs 的目录下，通常是以下几个原因导致的（以我的目录为例）：
- 没有写入权限：如果当前用户对
C:\ProgramData\anaconda3\envs目录没有写入权限，Conda 会选择使用用户本地目（C:\Users\Xzwzh\.conda\envs）来存放环境。 - 用户环境配置：Conda 的配置文件
.condarc中可以设置envs_dirs，用于指定环境的默认存放位置。如果设置了用户本地目录，那么新建的环境会存放在那里。 - 环境隔离：在某些情况下，用户可能会故意选择将环境安装在用户目录下，以便不同用户使用各自的环境，避免对全局安装目录的修改。
如果希望将环境放在anaconda3\envs 目录下，可以在创建环境时显示指定 --prefix 参数。
例如：
以管理员权限运行命令提示符，注意，下面的命令要以管理员身份运行，否则报错
conda create --prefix C:\ProgramData\anaconda3\envs\pytorch_env python=3.8 也可以修改 .condarc 文件，将 envs_dirs 添加或修改为默认全局路径：
envs_dirs: - C:\ProgramData\anaconda3\envs 然后重新创建环境即可。
3、删除虚拟环境
通过环境名称删除
conda remove --name 环境名称 --all 通过环境路径删除
conda remove --prefix 路径 --all 4、配置镜像源
根据上述操作，以如下的环境列表为例（虚拟环境已经创建好）：
由于安装指令都是从国外的通道下载，下载速度会非常慢。所以我们可以用国内的镜像地址下载pytorch
conda config --show 输入上述指令可以查看我们的通道地址
我的环境中有三个清华的镜像源。如果是之前没用过镜像源，这里只会显示dafaults。
| 镜像名 | 镜像地址 |
|---|---|
| 清华源镜像 | https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch |
| 阿里巴巴镜像 | http://mirrors.aliyun.com/anaconda/pkgs/main |
| 淘宝镜像源 | https://registry.npmmirror.com/ |
这里的淘宝镜像源不推荐，由于淘宝npm镜像的旧域名（如npm.taobao.org和registry.npm.taobao.org）已经停止服务，并且HTTPS证书已经过期，需要使用淘宝最新的镜像源。列表给出的是（2024年9月） 淘宝的最新镜像的地址。
conda config --add channels 通道地址 输入以上命令可以添加通道地址，添加后输入以下地址也可以查看通道地址（验证是否加上通道）
conda config --get 
如果想删除通道，可执行下面代码
conda config --remove channels 通道地址 5、安装pytorch
1、首先激活环境变量
conda activate 创建的虚拟环境 
2、进入pytorch官网，找到安装指令
点击Get started 进行如下配置
找到安装代码
conda install pytorch torchvision torchaudio cpuonly -c pytorch //注意，这种就是直接从国外下载了 用镜像源安装
conda install pytorch torchvision torchaudio cpuonly –c 镜像地址 
直接复制自己对应的镜像源即可
输入y即可
报错处理：
如果出现如上报错，使用管理员身份进行上述步骤即可解决。
出现下图所示，就是安装完成。
6、验证pytorch是否安装成功
- 在安装pytorch的虚拟环境下输入
conda list查看是否有pytorch
在虚拟环境下运行python并导入torch
print(torch.__version__) - 输入上述命令，显示PyTorch 的版本号，说明 PyTorch 已经成功安装。
四、GPU版本pytorch安装
首先和CPU版本安装一样，创建一个虚拟环境，前面提到，这里不在重复。
1、查看自己电脑的GPU
在任务管理器中可查看GPU
如果没安装显卡驱动，先安装最新的显卡驱动，到官网自行安装即可。
查看驱动版本。win + r ，输入cmd 进入终端，输入指令：
nvidia-smi 
我的 CUDA 驱动版本是 12.1，这表示驱动所支持的最大 CUDA 运行时 API 版本是 12.1。因此，如果要安装 CUDA 运行时版本，就需要确保 CUDA 驱动版本 >= CUDA 运行时版本，也就是说可以安装 12.1 及更早的版本。
2、安装pytorch
直接进入创建的虚拟环境中输入命令，安装成功：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 
3、验证是否安装成功
指令：
import torch print(torch.__version__) print(torch.cuda.is_available()) - 可以直接进入终端python运行指令检验
出现以上界面说明安装成功
- 也可以直接在pycharm编辑器中验证。
使用GPU环境，最后输出cu121、True，说明安装成功
五、补充
1、卸载当前的PyTorch版本
进入所在的虚拟环境，输入以下指令即可。
pip uninstall torch torchvision torchaudio 
2、失败的安装过程
可以利用conda和pip进行安装，但是我都没安装成功，这里就不在过多介绍，可能是国内的镜像源很多都不能GPU版本的安装。可以参考。严格按照用pip安装应该能成功，只不过我当时安装指令错了。
https://blog.ZEEKLOG.net/weixin_44752340/article/details/130542629?fromshare=blogdetail&sharetype=blogdetail&sharerId=130542629&sharerefer=PC&sharesource=2201_75436278&sharefrom=from_link
最后我直接下载轮子文件(.whl)进行安装。
https://download.pytorch.org/whl/torch_stable.html 上面这个是pytorch轮子文件的下载链接。根据自己的需求下载。
分别下载相应的torch、torchvision
我下载的是2.2.2版本torch和torchvision，对应的CUDA版本是11.8，python版本是3.8，正如绿色、蓝色框所示。注意后面对应的 win 和 linux。下载过程较长。
下载完后，将两个文件放在虚拟环境的目录下。然后运行：
pip install 轮子文件名（torch-2.2.2+cu118-cp38-cp38-win_amd64.whl） 但是我也安装失败了，后来我又安装的12.1的CUDA，也不行
应该是版本不兼容问题。
