目录
一些概念理解
0.anaconda配置国内镜像源
1.anaconda建立一个新的虚拟环境
2. 更新显卡驱动CUDA Driver
3. 安装pytorch
3.1 法（一）：利用pip安装Pytorch
3.1.1 法（一）在线pip安装
3.1.2 法（二）本地pip安装
3.2 法（一）：利用conda安装Pytorch
3.3 验证pytorch是否安装成功
4. Pycharm配置虚拟环境
4.1 给新建项目配置虚拟环境
4.2 给下载项目配置虚拟环境
参考：
一些概念理解
- 显卡（GPU）：GPU(Graphics Processing Unit)，用于屏幕显示图像，用于与视频、图像处理相关的矩阵运算等任务。
- 驱动：操作系统(OS)的插件。由于GPU是硬件，因此我们需要安装驱动，让计算机识别特定硬件。
- CUDA：NVIDIA（英伟达）显卡的指令集，驱动程序的扩展包。有了CUDA，我们就可以操作NVIDIA显卡
（图片来自厉害的B站up主我是土堆）
安装pytorch之前，我们需要先查看电脑是否有英伟达显卡，根据与pytorch版本，是否需要安装更新对应驱动、Cuda。
- anaconda：虚拟环境管理软件，可以建立不同的虚拟环境。
- pytorch/tensorflow：人工智能方面的代码框架体系
- pycharm/jupyter notebook：python的编辑器，类似记事本，编辑软件，本身不具备代码执行功能。（其中jupyter notebook是anaconda自带的）
- 深度学习中各个软件关系：
（图片from B站up主：我是土堆）
我们在Pycharm中配置好使用哪个虚拟环境，并写好python的代码后，运行程序，该python文件通过配置找到对应虚拟环境，将python文件交给其中的python解释器。python解释器对该python文件进行解析，在解析过程中从安装的Package中调用需要的库，并将其翻译成计算机语言，发送给CPU，CPU执行对应指令。当CPU发现我们希望一些运算数据转移到GPU上，CPU发送对应指令，通过驱动，将数据发送给GPU进行运算。
参考：(6条消息) 深度学习环境配置中软件之间逻辑与关系_我是土堆的博客-CSDN博客https://tudui.blog.csdn.net/article/details/125728710
0.anaconda配置国内镜像源
使用anaconda下载各种包时，其默认源，即提供安装包的服务器，是其公司自己设立的，国外服务器，速度慢，不稳定，因此我们可通过以下指令将下载源配置为国内镜像源，以较快速度（起飞）完成下载、安装工作。
在Anaconda Prompt里复制以下命令行即可。
清华源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls true
中科大源：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes可使用以下指令，查看镜像源是否配置成功。
conda config --get
其中“defaults"是anaconda默认的通道(下载地址），是最低优先级，而我们添加的新的通道（国内镜像地址）是最高优先级。因此，我们下载包时，anaconda优先在添加的国内通道里查找所需要的包，如果没有，再去默认的国外通道查找。
PS: 若要删除镜像加速通道，则把”add channels”改为“remove channels"
conda config --remove channels 【通道地址】
conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
1.anaconda建立一个新的虚拟环境
（anaconda 建立一个专门使用pytorch的虚拟环境）
理解：在anaconda的大楼里建立一个使用pytorch工具的新房间，base可理解为anaconda大楼的大厅，我们可以通过搭建不同的房间，来安装不同包，执行不同的项目。
步骤：
step1. 打开Anaconda的命令行界面控制端Anaconda Promp，输入以下指令，建立新环境
conda create -n 【name_of_new_environment】python=【python_version】
新的虚拟环境pytorch的地址：
step2. 输入”y“，在新环境中下载以上建议的new packages.
安装成功后，Anaconda的envs目录下就多了一个名为pytorch的文件夹。
其他指令：
（1）进入新环境
conda activate 【虚拟环境名】（2） 查看该环境下装的包
conda list（3） 删除创建的虚拟环境
conda remove -n 【虚拟环境名字】 --all2. 更新显卡驱动CUDA Driver
(图片from B站：我是土堆）
step1. 确定自己显卡的型号（算力）
任务管理器中查看NVIDIA显卡型号，我的电脑是NVIDIA GeForce MX150
step2. 安装/更新驱动CUDA Driver 的最新版本
（电脑有显卡驱动的话也可以跳过这一步，但是还是建议更新，比如我电脑自带的驱动版本就很低（391.25），导致我的驱动支持的最高CUDA Runtime版本(9.1)也很低，进而导致我能安装pytorch版本就很低）
打开NVIDIA官网，根据自己的显卡型号下载官方驱动:
https://www.nvidia.cn/Download/index.aspx?lang=cn
安装一路默认next就行了。
step3. 查看自己的驱动CUDA Driver版本，即支持的最高CUDA Runtime版本（我这里是12.0）
法（一）：Dos窗口输入以下指令，查看显卡驱动版本
nvidia-smi
法（二）：右击打开NVIDIA控制面板->查看（左下角）系统信息
step4. 打开Pytorch官网，根据自己电脑支持的最高CUDA Runtime版本，选择对应pytorch版本（比CUDA driver小就行，确保CUDA Driver版本>=CUDA Runtime版本）
3. 安装pytorch
PyTorch官网https://pytorch.org/当前支持的稳定最新版本是1.13.1，支持CUDA11.6、CUDA11.7（<12.0)。
包括4个包：
pytorch：核心包，集成pytorch的核心功能
torchvision：提供给图像处理的包
torchaudio：提供给语言处理的包
pytorch-cuda=11.6：CUDA的一些工具
3.1 法（一）：利用pip安装Pytorch
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116命令解析：使用地址 "https://download.pytorch.org/whl/cu116" 安装以下 3个包.
- torch：核心包，集成pytorch的核心功能
- torchvision：提供给图像处理的包
- torchaudio：提供给语言处理的包
3.1.1 法（一）在线pip安装
step1. 进入新建的pytorch虚拟环境
step2. 直接复制官网的pip指令至命令行窗口下载
（速度还是挺快的。）
3.1.2 法（二）本地pip安装
step1. 从地址"https://download.pytorch.org/whl/cu116"下载（迅雷下载快）torch package
step2.使用pip install本地安装torch package
pip install 【torch package的下载路径地址】step3. 本地安装完成后，再复制官网的pip指令至命令行窗口，安装剩下的package ，包小，下载会很快。
（它会自动检测,跳过安装好的torch包）
3.2 法（一）：利用conda安装Pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia命令解析：使用pytorch通道下载安装以下 4个包（-c nvidia是什么意思？nvidia通道？）
- pytorch：核心包，集成pytorch的核心功能
- torchvision：提供给图像处理的包
- torchaudio：提供给语言处理的包
- pytorch-cuda=11.6：cuda的工具
复制官网conda下载命令，采用命令行下载（好慢啊，可以添加镜像地址）
3.3 验证pytorch是否安装成功
step1. 在我们新建的pytorch虚拟环境下，输入以下命令，查看有没有对应package
conda list
step2. 输入python，进入python解释器
step3. 输入import torch，调用torch包
step4. 输入以下命令，查看是否可以使用GPU
torch.cuda.is_available()
4. Pycharm配置虚拟环境
4.1 给新建项目配置虚拟环境
新建项目-->配置项目的路径-->配置项目的python解释器-->找到conda的虚拟环境（前面新建的pytorch虚拟环境）下的python解释器。
PS:anaconda的base虚拟环境的python解释器在anaconda安装目录的根目录下；新建的虚拟环境在anaconda安装目录下的envs目录下。
验证是否可以使用GPU
4.2 给下载项目配置虚拟环境
导入下载的项目-->File-->Setings-->Project:-->Python Interpreter-->选择项目需要的虚拟环境
参考：
https://www.bilibili.com/video/BV1S5411X7FY?p=1文章来源：https://www.toymoban.com/news/detail-413901.html
在各个教程博客中闲逛时，发现这个教程，神奇的B站，厉害的up主，讲得太详细了吧！他怎么知道我有哪些困惑的，谢谢谢谢！以上是我的学习理解记录笔记了。文章来源地址https://www.toymoban.com/news/detail-413901.html
到了这里，关于pytorch的深度学习环境安装配置（GPU版）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
