引言

“工欲善其事，必先利其器”，环境配置是开展Coding的第一步。我用过TensorFlow和Pytorch两种深度学习框架，对比下来更喜欢Pytorch。如果有小伙伴纠结使用哪个框架，我更加推荐Pytorch。本文主要跟大家讲解一下如何搭建Pytorch环境。

1 安装Anaconda

通过Anaconda3，我们可以创建多个不同的Python环境，并且控制Python版本。大家可以直接去Anaconda官网下载，不过建议去Aanconda清华镜像源下载，下载速度更快。我用的是Anaconda3-2020.07版本，一直很正常，没有出现过问题。

具体的安装过程大家可以参考网上的一些博客或者文章，这里我推荐一篇：史上最全最详细的Anaconda安装教程，不过需要注意的是这篇博客后面将默认源改成了清华源，建议大家忽略后面的操作，千万不要更换源，安装完成即可。因为现在很多国内的源都被禁止了，所以换成国内源之后反而会报错。

安装好Anaconda3后，打开终端Anaconda Prompt

 此时进入的环境为base环境

 

但是我们通常不用base环境，会另外创建一个新的Python环境。

 2 创建环境

首先大家可以在终端中输入以下指令

conda info -e

它会罗列出我们已经创建好的环境。因为我之前创建过一些环境，所以会全部罗列出来。如果有小伙伴之前没有创建过环境，那么应该只有一个base环境。

 接下来，在终端中输入以下指令

conda create -n 环境名 python=版本号

这里我设定的环境名为pytorch1.6，版本号为3.6。环境名其实无所谓，版本号比较关键，它需要与Pytorch的版本对应起来，推荐使用3.6版本，几乎兼容所有版本的Pytorch。接着会提示是否继续执行，输入y即可。

 如下图所示，表示环境已经创建完成。

 此时，我们再次在终端中输入

conda info -e

 它会罗列出我们刚刚创建的新环境pytorch1.6，说明环境的确创建成功啦！

 此时我们仍然在base环境中，所以接下来我们需要激活pytorch1.6环境，在终端输入以下指令即可

conda activate 环境名

如下图所示，说明我们已经成功从base环境切换到pytorch1.6环境。

 下面我们在环境中输入以下指令，查看当前环境中已经安装了哪些功能包

conda list

可以看到环境创建好后，系统自动会安装一些功能包。关键在于python的版本，这里的版本号为3.6.13，其实就是我们创建环境时设置的版本号。只是我们当时设置的是3.6，系统会自动安装3.6中的最新版，这就是为什么Anaconda可以控制python版本的原因了。

 至此我们就已经完成了环境创建过程。

3 安装Pytorch

 Pytorch的安装方法有两种，一种是从官网获取下载链接，另一种是下载wheel文件安装。另外Pytorch的版本需要与Python的版本统一，具体的对应关系见pytorch与python版本对应关系。

这里我们安装的是Pytorch版本为1.6，通过查表可以知道Python版本应该大于等于3.6，小于等于3.8。我们在创建环境时设置的Python版本为3.6，显然符合要求。这里我也推荐大家安装3.6或者3.7的Python版本，基本兼容所有的Pytorch版本。

此外，Pytorch还区分CPU版本和GPU版本。如果你的电脑安装了Nvidia显卡的话，建议安装GPU版的Pytorch；如果没有，那么两个版本都可以。对于安装GPU版Pytorch的小伙伴们，还需要安装CUDA和Cudnn才可以使用GPU加速，并且CUDA和Cudnn两者之间存在版本对用关系，CUDA与显卡驱动的版本号也存在对应关系，所以还是挺麻烦的。大家需要先弄清楚自己电脑的配置，然后搜索它们之间具体的对应关系，安装即可。

这里以我自己的电脑为例吧，首先查看显卡驱动的版本号。具体过程如下：

右击此电脑(我的电脑)——>属性——>高级系统设置——>硬件——>设备管理器

 进入设备管理器后，点击显示适配器，就可以看到自己的Nvidia显卡，如下图所示

 如果发现显卡的图标上有一个感叹号，说明没有安装驱动。双击该显卡，点击驱动程序——>更新驱动程序，就可以安装驱动啦。如果已经安装了驱动，那应该就跟我的显示是差不多的，双击该显卡，点击驱动程序就可看到驱动程序版本号啦。下图方框出就是我的驱动程序版本。

 知道驱动版本后，根据CUDA与显卡驱动版本之间的对应关系，如下图所示(我只截取了一部分)

 这里我们看驱动版本的后五位数即可，我电脑的版本是419.67。然后看Windows那一列，可以明显看出最高只能支持CUDA10.1的版本。

然后我们就可以去官网下载CUDA了，下载的网址为：Cuda下载。我安装了CUDA10.1和CUDA9.2两个版本，使用时在系统环境变量中切换CUDA版本即可，具体的安装过程这里就不过多介绍了。

安装好CUDA后，还需要安装Cudnn，它需要与CUDA的版本对应，具体的对应关系进入官网就可以看到。下载Cudnn之前需要先注册，注册过程很简单。默认大家已经注册好了，下载网址为：Cudnn下载。进入下载网址后，如下图所示

 Cudnn与CUDA之间的对应关系一目了然，下载对应的版本即可。同样，具体的安装过程这里就不过多介绍了，小伙伴们可以直接在网上搜索相关博文或者视频。接下来我们讲解Pytorch安装的两种方法。

法一：从官网获取下载链接。Pytorch的官网下载地址

 假设我们安装的是Pytorch1.6的GPU版，并且CUDA版本为10.1，那么选择如下

 直接将方框内的指令输入到终端，

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch

然后回车等待安装完成。这里安装可能需要一段时间，不过我不太建议大家采用这种方法来安装，推荐大家使用第二种方法。

法二：下载wheel文件安装。Pytorch的wheel文件下载地址

进入wheel文件的下载地址后，大家可以直接查找想要安装的版本，也可以通过快捷键“Ctrl+F“来搜索。我下载的是CUDA10.1-Pytorch1.6-Python3.6版本，如下图所示

 这里一定要注意CUDA和Python的版本号。cu101表示CUDA10.1，与自己电脑上的CUDA版本要对应，否则无法使用GPU；cp26表示Python3.6，与自己创建环境时的Python版本号对应；win_arm64表示Windows系统。

下载完Pytorch后还需要下载torchvision，同样也在这个网址。torchvision的版本需要与Pytorch对应起来，对应关系可以直接去Pytorch官网查看(Pytorch官网链接见法一)。进入官网后，找到Pytorch1.6就可以看到对应的torchvision的版本了，如下图所示

 所以我们需要下载CUDA10.1-torchvision-Python3.6版本，如下图所示

至此我们就已经完成了Pytorch1.6和torchvision的下载工作，建议将它们放在同一个文件夹下，接下来开始安装。

 首先我们进入Anaconda终端，并激活之前创建好的环境，我的环境名是pytorch1.6。激活环境后，可以看到我当前的目录是在C盘下

 我们需要将目录切换到下载好的wheel文件夹下，我的是放在F盘，所以首先需要切换磁盘，在终端输入

盘符:

就会切换到F盘，如下图所示

 然后通过cd指令切换到对应的文件夹下，利用dir指令查看当前文件夹下所有文件，如下图所示

另外再告诉大家一个小技巧，敲击文件名时可以通过Tab键自动补齐，提高效率。

进入到wheel文件的目录下以后，在终端中输入以下指令，注意双引号内容要与自己的匹配

pip install "torch-1.6.0+cu101-cp36-cp36m-win_amd64.whl"

 输入命令后直接回车，开始安装Pytorch1.6。如下图所示，表示已经安装完成了

 接下来开始安装torchvision0.7.0，安装步骤与Pytorch一样，在终端中输入以下指令，注意双引号内容要与自己的匹配

pip install "torchvision-0.7.0+cu101-cp36-cp36m-win_amd64.whl"

输入命令后直接回车，开始安装torchvision0.7.0。如下图所示，表示已经安装完成了

 至此我们就已经完成了Pytorch1.6GPU版本的安装。这里还是建议大家采用这种方法来安装，从下载到安装整个过程其实都挺快的，关键是下次重新搭建环境时很方便，wheel文件已经下载好了，直接安装即可，采用第一种方法的话还需要重新下载。

最后我们还需要测试一下Pytorch和以及GPU是否可以使用。在终端输入python并回车，进入python编辑器，然后输入

import torch

导入Pytorch包，如果不报错，说明可以正常使用。然后输入

torch.cuda.is_available()

测试GPU是否可以正常使用，如果输出为True，说明没有问题，否则就需要检查是否存在版本不对应问题。所有步骤如下图所示

 4 环境导入

环境配置好后还需要将其导入到Python脚本的编辑器中。我使用的Python编辑器是Pycharm，大家可以直接去Pycharm官网下载，下载社区版即可。安装过程比较简单，这里就不过多介绍了。

安装完成后，打开Pycharm，鼠标点击右下角

 可能你的跟我的不一样，不过没有关系，接下来点击Add Interpreter

 然后点击Conda Environment

 接着点击Existing environment

 然后点击...

 接着找到Anaconda的安装目录，并找到envs文件夹

 鼠标点击文件夹左侧”>“图标展开当前文件中所有内容，其实就是我们创建的所有环境。可以看到我们前面创建的pytorch1.6就在里面

 点击文件名左侧的">"展开文件夹中所有的内容，找到python.exe，注意一定是python.exe，其它都不是，然后选择它，并点击”OK“，就可加载环境啦，加载过程可能会有点慢，稍等一下。

 如下图所示，环境已经成功切换到pytorch1.6

 此时，我们就可以在Pycharm中使用Pytorch了，并且如果我们还需要一些其他功能包时，直接进入Anaconda终端或者Pycharm终端通过pip install指令安装需要的功能包即可。我比较喜欢使用Pycharm终端，因为比较方便，这里做一个简单的示例吧。

假如我们需要安装matplotlib功能包，那么先进入Pycharm终端，进入终端方法很简单，点击下方菜单栏中Terminal即可，如下图所示

 然后在终端中输入以下指令

pip install matplotlib

输入指令后回车就可以自动安装啦。如下图所示，表示已经安装成功

对于其他功能包的安装过程也是如此。

5 总结

本文主要讲解了如何在Windows系统中配置Pytorch1.6GPU版环境。对于Ubuntu系统，配置过程也大同小异，只是在下载软件或者wheel文件时要注意选择Linux版本即可。