手把手教你在win10下搭建pytorch GPU环境（Anaconda+Pycharm）

Anaconda指的是一个开源的Python发行版本，其主要优点如下：

Anaconda默认安装了常见的科学计算包，用它搭建起Python环境后不用再费时费力安装这些包；
Anaconda可以创建互相隔离的虚拟环境，可以在不同环境下制定不同版本的Python，安装不同依赖包，再也不用纠结多个Python版本究竟安装哪个；

一、本次安装所需的基本软件

1. Anaconda3-5.3.1-Windows-x86_64

2. pycharm-community-2019.3.4

3. python3.7（不用单独安装）

4. cuDNN 8.0.1

5. CUDA 10.2

二、安装步骤

1. 查看自己电脑的GPU是否支持CUDA（一定要查看，否则白忙活一场）

在我的电脑上右键单击，找到管理并进入，具体情况如下：

找到设备管理器，在显示适配器里面查看GPU的具体型号，如下所示。如果支持CUDA，则继续下一步，否则到此为止！！！.

接下来百度搜索你的GPU型号 SPECIFICATION，如GTX1050 SPECIFICATION，查看是否支持CUDA，具体如下：

2. Anaconda安装

前往Anaconda官网下载个人版，如下图所示：

3. 添加清华镜像源

用conda安装Pytorch过程中会连接失败，这是因为Anaconda.org的服务器在国外，需要切换到国内镜像源。在windows系统的开始菜单中找到Anaconda Prompt进入，如下图所示：

添加镜像，依次输入下面几条命令，如下图所示：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

设置搜索时显示通道地址，如下图所示：

conda config --set show_channel_urls yes

4. 创建pytorch_gpu虚拟环境

在Anaconda Prompt命令行中为自己的深度学习环境创建一个虚拟运行环境，起名为pytorch_gpu，可以运行以下代码创建，如图所示：

conda create --name pytorch_gpu python=3.7  #这条命令将会创建一个新的环境，位置在Anaconda3/envs/pytorch_gpu中

创建好虚拟环境以后，可以使用命令 conda env list 查看已创建好的新环境，如下图所示，pytorch_gpu是我们新创建的环境，base为默认环境：

5. 激活pytorch_gpu虚拟环境

创建好虚拟环境以后，如果想要使用它让系统处于其运行环境下，需要先激活环境，可以运行以下命令：

activate pytorch_gpu

激活成功后可以看到当前环境已经变为pytorch_gpu，如下图所示

如果要关闭当前环境，只需要输入以下命令，如下图所示：

deactivate

如果要删除新环境，只需要输入以下命令，如下图所示，删除名为pytorch_gpu的环境

conda remove -n pytorch_gpu --all

6. CUDA与CUDNN的关系

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

7. 安装CUDA

在NVIDIA官网找到所需要的CUDA版本，然后一步步安装即可，如下图所示：

！下面一步要注意安装Display Driver的最新版本，即勾选版本号更大的选项.

安装好之后，在命令提示符界面输入nvcc -V，查看是否安装成功。以下是安装成功的情况。

8. 安装cuDNN

所安装的cuDNN版本注意和CUDA版本对应，可以在CUDNN官网找到版本对应关系，注册账号后即可下载对应版本的cuDNN，具体版本间的对应关系如下：

新建一个文件夹cudnn，之后将下载的文件cuDNN解压，将里面的bin，include，lib这三个文件夹直接复制到cudnn文件夹之中。最后将cudnn文件夹移动到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0这个路径下面。

移动完成之后的结果如下：

在高级系统设置中找到环境变量，在系统变量的path路径中添加以下两个路径，根据自己的实际路径添加

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin

添加好之后的结果如下：

9. 安装Pytorch

先到pytorch官网根据你的实际情况选择Pytorch安装包版本，然后复制页面自动生成的脚本进行安装。

使用以下命令安装pytorch，这里比官网的命令少了一个-c pytorch，主要是因为-c pytorch表示指定使用moren默认的pytorch channel，这个服务器位于国外，下载速度很慢，使用刚刚添加进default channel的清华镜像源可以得到一个较快的下载速度。

conda install pytorch torchvision cudatoolkit=10.2

安装完成之后，在pyttorch_gpu环境下使用下面几条条命令验证是否可以调用CUDA：

python

import torch

torch.cuda.is_available()

成功的结果如下图所示：

10. 安装pycharm并配置环境

下载pycharm-community版本安装好之后，创建项目并配置pycharm解释器，首先点击create new project，location为文件存储位置，project interpreter为解释器，也就是Anaconda中的python.exe。这里选择C:\Users\xiaoy\Anaconda3\envs\pytorch_gpu路径下的python解释器。配置好后点击create即可完成。具体情况如下：

三、包管理的各种命令

1. 查看该环境中包和其版本的列表

会看到你在当前环境中已经安装好的所有包和其版本：

conda list

2. 查找一个包

检查我们需要的这个包是否可以通过conda来安装：

conda search beautifulsoup4

3. 安装一个新包

在当前环境(pytorch_gpu)中安装这个Beautiful Soup包，使用conda命令如下：

conda install --name pytorch_gpu beautifulsoup4

4. pip安装包

activate pytorch_gpu

pip install beautifulsoup4

5. 移除包，比如，移除pytorch_gpu环境下的beautifulsoup4

conda remove -n pytorch_gpu beautifulsoup4

四、安装中出现的问题

1. import torch时报错 ,Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure.

需要下载这个可执行程序vc_redist.x64.exe，之后安装即可。

reference：

查看GPU是否支持CUDAhttps://zhuanlan.zhihu.com/p/37086409

Anaconda环境安装GPU版本Pytorch程https://blog.csdn.net/baidu_26646129/article/details/88380598

PyTorch（GPU版）详细安装教程https://www.bilibili.com/video/BV1Rz411e7eJ?from=search&seid=5212425445242088592

cuda与cudnn的关系https://www.jianshu.com/p/622f47f94784，https://www.cnblogs.com/anai/p/12838668.html

cuda和cudnn版本对应关系https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

配置pycharmhttps://www.cnblogs.com/yufeng97/p/13069247.html?utm_source=tuicool

Python入门：Anaconda和Pycharm的安装和配置https://www.cnblogs.com/yuxuefeng/articles/9235431.html

import torch错误https://stackoverflow.com/questions/63212096/when-importing-pytorch-microsoft-visual-c-redistributable-is-not-installed