【GPU版】Windows下PyTorch入门深度学习环境安装与配置

如果电脑有NVIDIA GPU显卡，看【GPU版本】；否则，看【CPU版本】

聊聊PyTorch和Tensorflow

它们都是python的库/包

pip3是给python3使用的，由于现在用的python基本上都是3以上版本，所以pip和pip3没有区别

聊聊Anaconda

我们在配置深度学习环境的过程中，并不是从python官网下载python直接安装，更多的是使用Anaconda

下载完Anaconda后默认就有以下：

Python环境
Conda命令，我们可以使用 conda install 包名（conda和pip差不多）
虚拟环境-Pytorch 1.10版本，1.4版本

聊聊Conda虚拟环境演示

安装anaconda的时候还是不要添加到环境变量中比较好，不然每次用pycharm的时候会给你up index半天

聊聊PyCharm

IDE集成开发环境

前面安装anaconda的时候由于想在任意的地方打开这个命令终端都可以运行，因此将anaconda添加到环境变量中；这里pycharm一般不用命令行而是用快捷方式打开文件夹作为项目，因为可以不添加到环境变量中
在这里插入图片描述

New environment using Virtualenv：使用它默认带的这种虚拟环境
New environment using Conda：新创建的环境会在conda目录下

一般情况下不会采用pycharm来创建环境，而是手动创建
除了这种创建新的环境外，更多的我们一般都是采用之前已经配置好的python解释器Previously configured interpreter，如下图所示

（目录中不带 envs 的就是 conda 默认创建的 base 环境；带的就是自己创建的环境）
在这里插入图片描述

聊聊显卡GPU与CUDA

1. 显卡GPU，驱动

在这里插入图片描述

GPU 即图像处理单元

显卡：

独立显卡：一般比较大，性能更强，一般用于打游戏、深度学习、挖矿
核心显卡（核显）：比较小，性能较弱，一般是嵌入到cpu中的，用于日常使用，比如看视频

显卡是硬件，把显卡插到我们电脑当中一般需要装一个东西——驱动，驱动的作用就是让计算机识别一些特定的硬件

2. 深度学习显卡，CUDA

在这里插入图片描述

amd和intel的显卡是不能用于深度学习的
像pytorch和tensorflow这种深度学习的库，本质上就是从上面一级调用CUDA的库，然后把我们的数据发送给GPU显卡，让显卡进行一些计算，这样的话就可以加速我们深度学习网络的一个训练

在这里插入图片描述
cuda runtime version和cuda driver version相比就是前者软件，后者算是硬件
这里选择的cuda的概念就是指cuda runtime version

PS：gpu0是核显，gpu1是独显

3. GPU VS CPU

为什么深度学习中GPU可以加快训练速度？——gpu和cpu架构不同

环境配置中各软件的关系

在这里插入图片描述

在每一个虚拟环境中都有一个python解释器

判断是否有NVIDIA（英伟达）GPU

对于Windows系统，一般可以通过查看“任务管理器”的“性能”栏来确认自己的电脑是否有GPU。一种概率极小的情况是：自己的电脑上有GPU，但是“任务管理器”的“性能”栏内没有，这是由于电脑没有安装对应该显卡的驱动所致（如果是surface book用户可以考虑把屏幕卸下来重新安上，因为surface book的独显是在键盘里的，有可能遇到接触不良的情况）。可以下载诸如“360驱动大师”之类的软件来查看自己电脑上的GPU名称，再去GPU官网下载对应的驱动
在这里插入图片描述

如果有不止一个gpu，只要其中一个是NVIDIA即可

——这里笔者的电脑是带NVIDIA显卡的

一、安装Anaconda

Anaconda官网：https://www.anaconda.com
清华大学开源镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
在这里插入图片描述

【下载小妙招】：可以将下载链接复制下来，粘贴至“迅雷”进行下载

【Windows查看系统类型】：打开设置，依次点击系统，系统信息，在“系统类型”一条中可以看到自己的电脑位数

在这里插入图片描述

这里第一项是指是否把anaconda添加到环境变量中，如果添加了，就可以在普通的命令行窗口中直接使用conda的一些指令。但是我们一般是直接在anaconda命令行窗口可以直接使用conda指令
在这里插入图片描述

（区别：Powershell主要是为开发者提供的一个更强大的一个命令行窗口，没太大区别，用普通那个即可；Power Shell支持WSL ，连SSH很方便）
点击红框内任一命令行，出现base标识即代表安装完成
其中，navigator是图形化界面

在这里插入图片描述
进入navigator：

安装完成后默认的base虚拟环境

二、创建虚拟环境

在这里插入图片描述

由于笔者前面安装anaconda时未将anaconda添加到环境变量中，因此以下操作是在anaconda的命令行终端中执行的

1.查看env列表


(base) C:\Users\25694>conda env list	# 查看env列表
# conda environments:
#
base                  *  D:\Anaconda

2.创建env

注意创建env时最好关闭代理

注意创建env时python版本的等号两边不能有空格

environment location: D:\Anaconda\envs\firsttest与前面base的存放地址比较，自己创建的会在envs文件夹下

(base) C:\Users\25694>conda create -n firsttest python=3.6
Collecting package metadata (current_repodata.json): done
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: done==> WARNING: A newer version of conda exists. <==current version: 4.10.3latest version: 24.7.1Please update conda by running$ conda update -n base -c defaults conda## Package Plan ##environment location: D:\Anaconda\envs\firsttestadded / updated specs:- python=3.6The following packages will be downloaded:package                    |            build---------------------------|-----------------certifi-2021.5.30          |   py36haa95532_0         140 KBpip-21.2.2                 |   py36haa95532_0         1.9 MBpython-3.6.13              |       h3758d61_0        14.6 MBsetuptools-58.0.4          |   py36haa95532_0         776 KBsqlite-3.45.3              |       h2bbff1b_0         973 KBvc-14.40                   |       h2eaa2aa_1          10 KBvs2015_runtime-14.40.33807 |       h98bb1dd_1         1.3 MBwheel-0.37.1               |     pyhd3eb1b0_0          33 KBwincertstore-0.2           |   py36h7fe50ca_0          14 KB------------------------------------------------------------Total:        19.7 MBThe following NEW packages will be INSTALLED:certifi            pkgs/main/win-64::certifi-2021.5.30-py36haa95532_0pip                pkgs/main/win-64::pip-21.2.2-py36haa95532_0python             pkgs/main/win-64::python-3.6.13-h3758d61_0setuptools         pkgs/main/win-64::setuptools-58.0.4-py36haa95532_0sqlite             pkgs/main/win-64::sqlite-3.45.3-h2bbff1b_0vc                 pkgs/main/win-64::vc-14.40-h2eaa2aa_1vs2015_runtime     pkgs/main/win-64::vs2015_runtime-14.40.33807-h98bb1dd_1wheel              pkgs/main/noarch::wheel-0.37.1-pyhd3eb1b0_0wincertstore       pkgs/main/win-64::wincertstore-0.2-py36h7fe50ca_0Proceed ([y]/n)? y

3.启动env；查看env中的包

(base) C:\Users\25694>conda activate firsttest(firsttest) C:\Users\25694>conda list
# packages in environment at D:\Anaconda\envs\firsttest:
#
# Name                    Version                   Build  Channel
certifi                   2021.5.30        py36haa95532_0
pip                       21.2.2           py36haa95532_0
python                    3.6.13               h3758d61_0
setuptools                58.0.4           py36haa95532_0
sqlite                    3.45.3               h2bbff1b_0
vc                        14.40                h2eaa2aa_1
vs2015_runtime            14.40.33807          h98bb1dd_1
wheel                     0.37.1             pyhd3eb1b0_0
wincertstore              0.2              py36h7fe50ca_0

创建虚拟环境的过程中，需要从一个地方去下载一些包的，默认的下载地址是在一个国外的服务器上，所以国内下可能比较慢。这个时候可以多执行几次指令或者采用镜像加速的方式（命令中-c指的是channel）

4.移除env
注意–all有两个横线

conda remove -n firsttest --all

三、GPU与CUDA准备工作

为什么需要做这些准备工作？——例如安装pytorch时需要选择cuda的版本（也就是cuda runtime version）
在这里插入图片描述

1.显卡型号
在这里插入图片描述
2.确定显卡算力
wiki-CUDA

因此，笔者的显卡的算力是8.9，架构是Ada Lovelace

3.确定CUDA runtime version
还是在上述链接
在这里插入图片描述
4.查看自己的驱动 CUDA Driver Version

CUDA Driver Version - 12.5

如果你在命令行输入 nvidia-smi 并显示 CUDA Version 为 12.5，这表示你当前安装的 CUDA 驱动程序支持 CUDA 12.5 版本。nvidia-smi 显示的是系统当前安装的驱动程序所支持的 CUDA 运行时版本，而不是你的系统上具体安装的 CUDA Toolkit 版本。

解释
CUDA Version 12.5：这是你当前的 NVIDIA 驱动程序支持的 CUDA 运行时版本。
CUDA Toolkit：这是开发者使用的工具包版本，你可以安装多个 CUDA Toolkit 版本，具体使用哪个版本取决于你在编译时指定的版本。

总结
虽然你的 nvidia-smi 显示 CUDA Version 为 12.5，但你仍然可以使用 CUDA 11.8 进行开发。只要你安装了 CUDA 11.8 Toolkit 并在编译和开发过程中正确指定使用它即可。

5.最终确定我们适用CUDA

四、conda的通道与镜像地址

在这里插入图片描述

(firsttest) C:\Users\25694>conda config --get
--add channels 'defaults'   # lowest priority

defaults就是默认地址，也就是从国外下载

conda create yyy -c 通道地址 这里的通道地址/镜像地址只对这一条命令生效；且当加了-c时就不会去搜索配置文件，而是直接用-c后的通道地址。

最好是不要去修改配置文件中默认的下载地址，而是只在这里-c加

五、判断CUDA runtime version版本

在这里插入图片描述

1.安装显卡驱动最新版本

如果能显示出以下这些东西的话，也可以不去安装
在这里插入图片描述
最好还是安装最新的
驱动程序

在这里插入图片描述
安装时全选默认即可

2.打开命令窗口，输入nvidia-smi来确定cuda driver version

cuda driver version - 12.6

3.打开pytorch官网，确定cuda runtime version
选择比cuda driver version小的即可
在这里插入图片描述

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

六、安装Pytorch

在这里插入图片描述

pytorch由三个包组成

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

conda install: 使用 Conda 包管理器来安装指定的软件包。

pytorch torchvision torchaudio pytorch-cuda=12.4: 指定要安装的四个软件包：

pytorch: PyTorch 是一个开源的深度学习框架，广泛用于人工智能研究和应用。
torchvision: PyTorch 的计算机视觉库，包含常用的数据集、模型和图像变换工具。
torchaudio: PyTorch 的音频处理库，提供音频数据处理和加载功能。
pytorch-cuda=12.4: PyTorch 的 CUDA 支持包，版本指定为 12.4。CUDA 是用于加速图形处理单元 (GPU) 的计算平台，安装这个包可以利用 NVIDIA GPU 来加速 PyTorch 的计算。

-c pytorch -c nvidia: 指定使用的渠道：

-c pytorch: 从 PyTorch 官方渠道安装软件包。
-c nvidia: 从 NVIDIA 官方渠道安装 CUDA 相关软件包。

(base) C:\Users\25694>conda activate firsttest(firsttest) C:\Users\25694>conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: done==> WARNING: A newer version of conda exists. <==current version: 4.10.3latest version: 24.7.1Please update conda by running$ conda update -n base -c defaults conda## Package Plan ##environment location: D:\Anaconda\envs\firsttestadded / updated specs:- pytorch- pytorch-cuda=12.4- torchaudio- torchvisionThe following packages will be downloaded:package                    |            build---------------------------|-----------------cuda-cccl-12.4.127         |                0         1.4 MB  nvidiacuda-cudart-12.4.127       |                0        1004 KB  nvidiacuda-cudart-dev-12.4.127   |                0         597 KB  nvidiacuda-cupti-12.4.127        |                0        12.9 MB  nvidiacuda-libraries-12.4.0      |                0           2 KB  nvidiacuda-libraries-dev-12.4.0  |                0           2 KB  nvidiacuda-nvrtc-12.4.127        |                0        78.0 MB  nvidiacuda-nvrtc-dev-12.4.127    |                0        17.2 MB  nvidiacuda-nvtx-12.4.127         |                0          41 KB  nvidiacuda-opencl-12.4.127       |                0          11 KB  nvidiacuda-opencl-dev-12.4.127   |                0          75 KB  nvidiacuda-profiler-api-12.4.127 |                0          19 KB  nvidiacuda-runtime-12.4.0        |                0           2 KB  nvidiacudatoolkit-11.3.1         |       h59b6b97_2       545.3 MBdataclasses-0.8            |     pyh4f3eec9_6          22 KBfreetype-2.12.1            |       ha860e81_0         490 KBintel-openmp-2023.1.0      |   h59b6b97_46320         2.7 MBjpeg-9e                    |       h827c3e9_3         334 KBlibcublas-12.4.2.65        |                0          34 KB  nvidialibcublas-dev-12.4.2.65    |                0       344.2 MB  nvidialibcufft-11.2.0.44         |                0           6 KB  nvidialibcufft-dev-11.2.0.44     |                0       189.5 MB  nvidialibcurand-10.3.5.147       |                0           4 KB  nvidialibcurand-dev-10.3.5.147   |                0        49.7 MB  nvidialibcusolver-11.6.0.99      |                0          29 KB  nvidialibcusolver-dev-11.6.0.99  |                0       112.0 MB  nvidialibcusparse-12.3.0.142     |                0          13 KB  nvidialibcusparse-dev-12.3.0.142 |                0       176.0 MB  nvidialibdeflate-1.17            |       h2bbff1b_1         153 KBlibnpp-12.2.5.2            |                0         310 KB  nvidialibnpp-dev-12.2.5.2        |                0       139.2 MB  nvidialibnvfatbin-12.4.127       |                0         1.1 MB  nvidialibnvfatbin-dev-12.4.127   |                0         315 KB  nvidialibnvjitlink-12.4.99       |                0        71.8 MB  nvidialibnvjitlink-dev-12.4.99   |                0        14.3 MB  nvidialibnvjpeg-12.3.1.89        |                0           5 KB  nvidialibnvjpeg-dev-12.3.1.89    |                0         2.5 MB  nvidialibpng-1.6.39              |       h8cc25b3_0         369 KBlibtiff-4.5.1              |       hd77b12b_0         1.1 MBlibuv-1.48.0               |       h827c3e9_0         322 KBlz4-c-1.9.4                |       h2bbff1b_1         152 KBmkl-2020.2                 |              256       109.3 MBmkl-service-2.3.0          |   py36h196d8e1_0          45 KBmkl_fft-1.3.0              |   py36h46781fe_0         131 KBmkl_random-1.1.1           |   py36h47e9c7a_0         235 KBnumpy-1.19.2               |   py36hadc3359_0          22 KBnumpy-base-1.19.2          |   py36ha3acd2a_0         3.8 MBolefile-0.46               |           py36_0          49 KBpillow-8.3.1               |   py36h4fa10fc_0         676 KBpytorch-1.10.2             |py3.6_cuda11.3_cudnn8_0        1.45 GB  pytorchpytorch-cuda-12.4          |       h3fd98bf_6           7 KB  pytorchpytorch-mutex-1.0          |             cuda           3 KB  pytorchsix-1.16.0                 |     pyhd3eb1b0_1          18 KBtk-8.6.14                  |       h0416ee5_0         3.5 MBtorchaudio-0.10.2          |       py36_cu113         2.1 MB  pytorchtorchvision-0.11.3         |       py36_cu113         8.9 MB  pytorchtyping_extensions-4.1.1    |     pyh06a4308_0          28 KBxz-5.4.6                   |       h8cc25b3_1         609 KBzlib-1.2.13                |       h8cc25b3_1         131 KBzstd-1.5.5                 |       hd43e919_2         720 KB------------------------------------------------------------Total:        3.29 GBThe following NEW packages will be INSTALLED:blas               pkgs/main/win-64::blas-1.0-mklcuda-cccl          nvidia/win-64::cuda-cccl-12.4.127-0cuda-cudart        nvidia/win-64::cuda-cudart-12.4.127-0cuda-cudart-dev    nvidia/win-64::cuda-cudart-dev-12.4.127-0cuda-cupti         nvidia/win-64::cuda-cupti-12.4.127-0cuda-libraries     nvidia/win-64::cuda-libraries-12.4.0-0cuda-libraries-dev nvidia/win-64::cuda-libraries-dev-12.4.0-0cuda-nvrtc         nvidia/win-64::cuda-nvrtc-12.4.127-0cuda-nvrtc-dev     nvidia/win-64::cuda-nvrtc-dev-12.4.127-0cuda-nvtx          nvidia/win-64::cuda-nvtx-12.4.127-0cuda-opencl        nvidia/win-64::cuda-opencl-12.4.127-0cuda-opencl-dev    nvidia/win-64::cuda-opencl-dev-12.4.127-0cuda-profiler-api  nvidia/win-64::cuda-profiler-api-12.4.127-0cuda-runtime       nvidia/win-64::cuda-runtime-12.4.0-0cudatoolkit        pkgs/main/win-64::cudatoolkit-11.3.1-h59b6b97_2dataclasses        pkgs/main/noarch::dataclasses-0.8-pyh4f3eec9_6freetype           pkgs/main/win-64::freetype-2.12.1-ha860e81_0intel-openmp       pkgs/main/win-64::intel-openmp-2023.1.0-h59b6b97_46320jpeg               pkgs/main/win-64::jpeg-9e-h827c3e9_3lerc               pkgs/main/win-64::lerc-3.0-hd77b12b_0libcublas          nvidia/win-64::libcublas-12.4.2.65-0libcublas-dev      nvidia/win-64::libcublas-dev-12.4.2.65-0libcufft           nvidia/win-64::libcufft-11.2.0.44-0libcufft-dev       nvidia/win-64::libcufft-dev-11.2.0.44-0libcurand          nvidia/win-64::libcurand-10.3.5.147-0libcurand-dev      nvidia/win-64::libcurand-dev-10.3.5.147-0libcusolver        nvidia/win-64::libcusolver-11.6.0.99-0libcusolver-dev    nvidia/win-64::libcusolver-dev-11.6.0.99-0libcusparse        nvidia/win-64::libcusparse-12.3.0.142-0libcusparse-dev    nvidia/win-64::libcusparse-dev-12.3.0.142-0libdeflate         pkgs/main/win-64::libdeflate-1.17-h2bbff1b_1libnpp             nvidia/win-64::libnpp-12.2.5.2-0libnpp-dev         nvidia/win-64::libnpp-dev-12.2.5.2-0libnvfatbin        nvidia/win-64::libnvfatbin-12.4.127-0libnvfatbin-dev    nvidia/win-64::libnvfatbin-dev-12.4.127-0libnvjitlink       nvidia/win-64::libnvjitlink-12.4.99-0libnvjitlink-dev   nvidia/win-64::libnvjitlink-dev-12.4.99-0libnvjpeg          nvidia/win-64::libnvjpeg-12.3.1.89-0libnvjpeg-dev      nvidia/win-64::libnvjpeg-dev-12.3.1.89-0libpng             pkgs/main/win-64::libpng-1.6.39-h8cc25b3_0libtiff            pkgs/main/win-64::libtiff-4.5.1-hd77b12b_0libuv              pkgs/main/win-64::libuv-1.48.0-h827c3e9_0lz4-c              pkgs/main/win-64::lz4-c-1.9.4-h2bbff1b_1mkl                pkgs/main/win-64::mkl-2020.2-256mkl-service        pkgs/main/win-64::mkl-service-2.3.0-py36h196d8e1_0mkl_fft            pkgs/main/win-64::mkl_fft-1.3.0-py36h46781fe_0mkl_random         pkgs/main/win-64::mkl_random-1.1.1-py36h47e9c7a_0numpy              pkgs/main/win-64::numpy-1.19.2-py36hadc3359_0numpy-base         pkgs/main/win-64::numpy-base-1.19.2-py36ha3acd2a_0olefile            pkgs/main/win-64::olefile-0.46-py36_0pillow             pkgs/main/win-64::pillow-8.3.1-py36h4fa10fc_0pytorch            pytorch/win-64::pytorch-1.10.2-py3.6_cuda11.3_cudnn8_0pytorch-cuda       pytorch/win-64::pytorch-cuda-12.4-h3fd98bf_6pytorch-mutex      pytorch/noarch::pytorch-mutex-1.0-cudasix                pkgs/main/noarch::six-1.16.0-pyhd3eb1b0_1tk                 pkgs/main/win-64::tk-8.6.14-h0416ee5_0torchaudio         pytorch/win-64::torchaudio-0.10.2-py36_cu113torchvision        pytorch/win-64::torchvision-0.11.3-py36_cu113typing_extensions  pkgs/main/noarch::typing_extensions-4.1.1-pyh06a4308_0xz                 pkgs/main/win-64::xz-5.4.6-h8cc25b3_1zlib               pkgs/main/win-64::zlib-1.2.13-h8cc25b3_1zstd               pkgs/main/win-64::zstd-1.5.5-hd43e919_2Proceed ([y]/n)? y

在输入conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia后，注意The following packages will be downloaded中pytorch包对应的build有没有cuda，有才是gpu版本的

(firsttest) C:\Users\25694>conda list
# packages in environment at D:\Anaconda\envs\firsttest:
#
# Name                    Version                   Build  Channel
blas                      1.0                         mkl
certifi                   2021.5.30        py36haa95532_0
cuda-cccl                 12.4.127                      0    nvidia
cuda-cudart               12.4.127                      0    nvidia
cuda-cudart-dev           12.4.127                      0    nvidia
cuda-cupti                12.4.127                      0    nvidia
cuda-libraries            12.4.0                        0    nvidia
cuda-libraries-dev        12.4.0                        0    nvidia
cuda-nvrtc                12.4.127                      0    nvidia
cuda-nvrtc-dev            12.4.127                      0    nvidia
cuda-nvtx                 12.4.127                      0    nvidia
cuda-opencl               12.4.127                      0    nvidia
cuda-opencl-dev           12.4.127                      0    nvidia
cuda-profiler-api         12.4.127                      0    nvidia
cuda-runtime              12.4.0                        0    nvidia
cudatoolkit               11.3.1               h59b6b97_2
dataclasses               0.8                pyh4f3eec9_6
freetype                  2.12.1               ha860e81_0
intel-openmp              2023.1.0         h59b6b97_46320
jpeg                      9e                   h827c3e9_3
lerc                      3.0                  hd77b12b_0
libcublas                 12.4.2.65                     0    nvidia
libcublas-dev             12.4.2.65                     0    nvidia
libcufft                  11.2.0.44                     0    nvidia
libcufft-dev              11.2.0.44                     0    nvidia
libcurand                 10.3.5.147                    0    nvidia
libcurand-dev             10.3.5.147                    0    nvidia
libcusolver               11.6.0.99                     0    nvidia
libcusolver-dev           11.6.0.99                     0    nvidia
libcusparse               12.3.0.142                    0    nvidia
libcusparse-dev           12.3.0.142                    0    nvidia
libdeflate                1.17                 h2bbff1b_1
libnpp                    12.2.5.2                      0    nvidia
libnpp-dev                12.2.5.2                      0    nvidia
libnvfatbin               12.4.127                      0    nvidia
libnvfatbin-dev           12.4.127                      0    nvidia
libnvjitlink              12.4.99                       0    nvidia
libnvjitlink-dev          12.4.99                       0    nvidia
libnvjpeg                 12.3.1.89                     0    nvidia
libnvjpeg-dev             12.3.1.89                     0    nvidia
libpng                    1.6.39               h8cc25b3_0
libtiff                   4.5.1                hd77b12b_0
libuv                     1.48.0               h827c3e9_0
lz4-c                     1.9.4                h2bbff1b_1
mkl                       2020.2                      256
mkl-service               2.3.0            py36h196d8e1_0
mkl_fft                   1.3.0            py36h46781fe_0
mkl_random                1.1.1            py36h47e9c7a_0
numpy                     1.19.2           py36hadc3359_0
numpy-base                1.19.2           py36ha3acd2a_0
olefile                   0.46                     py36_0
pillow                    8.3.1            py36h4fa10fc_0
pip                       21.2.2           py36haa95532_0
python                    3.6.13               h3758d61_0
pytorch                   1.10.2          py3.6_cuda11.3_cudnn8_0    pytorch
pytorch-cuda              12.4                 h3fd98bf_6    pytorch
pytorch-mutex             1.0                        cuda    pytorch
setuptools                58.0.4           py36haa95532_0
six                       1.16.0             pyhd3eb1b0_1
sqlite                    3.45.3               h2bbff1b_0
tk                        8.6.14               h0416ee5_0
torchaudio                0.10.2               py36_cu113    pytorch
torchvision               0.11.3               py36_cu113    pytorch
typing_extensions         4.1.1              pyh06a4308_0
vc                        14.40                h2eaa2aa_1
vs2015_runtime            14.40.33807          h98bb1dd_1
wheel                     0.37.1             pyhd3eb1b0_0
wincertstore              0.2              py36h7fe50ca_0
xz                        5.4.6                h8cc25b3_1
zlib                      1.2.13               h8cc25b3_1
zstd                      1.5.5                hd43e919_2

七、验证Pytorch

在这里插入图片描述

第五步意思验证这个pytorch是否可以使用你电脑的gpu

八、PyCharm的安装与配置

1.安装

PyCharm激活教程

在这里插入图片描述

是否添加到环境变量中：不需要，因为可以直接打开pycharm
是否和这些文件创建链接：要

2.创建项目

在这里插入图片描述
若显示Conda executable is not found时，一定要选择_conda.exe而不是python.exe，因此我们要选择下载在Anaconda根目录下的 _conda.exe

在这里插入图片描述

3.配置

修改pycharm中的终端为Anaconda终端：

在这里插入图片描述

这里笔者配置失败了，可能是因为没有配置anaconda的环境变量。但是如果将anaconda添加到环境变量，可能会影响其他软件

九、给下载的项目设置合适的虚拟环境

在这里插入图片描述

1.第一个项目

设置虚拟环境
在这里插入图片描述
2.第二个项目

这个项目更复杂一些
可以看到根目录下有一个requirements.txt文件，里面写了这个项目需要哪些包
在这里插入图片描述

(firsttest) C:\Users\25694>conda install wandb
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Collecting package metadata (repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.PackagesNotFoundError: The following packages are not available from current channels:- wandbCurrent channels:- https://repo.anaconda.com/pkgs/main/win-64- https://repo.anaconda.com/pkgs/main/noarch- https://repo.anaconda.com/pkgs/r/win-64- https://repo.anaconda.com/pkgs/r/noarch- https://repo.anaconda.com/pkgs/msys2/win-64- https://repo.anaconda.com/pkgs/msys2/noarchTo search for alternate channels that may provide the conda package you're
looking for, navigate tohttps://anaconda.organd use the search bar at the top of the page.

在这里插入图片描述
然而笔者用这一条命令也下不来，因此转用 pip ，很快就下好了：

当项目根目录下有一个requirements.txt文件时，有一个更快捷的方式：

首先在anaconda终端中将路径转换到项目所在路径

(firsttest) C:\Users\25694>cd E:\PyCharmProjects\Pytorch-UNet-master(firsttest) C:\Users\25694>E:(firsttest) E:\PyCharmProjects\Pytorch-UNet-master>

然后就可以根据requirements.txt安装包

(firsttest) E:\PyCharmProjects\Pytorch-UNet-master>pip install -r requirements.txt

参考文献

最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程