Pytorch安装（editor：pakchung10/2021.06）
GPU版pytorch安装
检查是否有合适的GPU，若有则安装Cuda与CuDNN（需检查电脑是否有合适的GPU）
1.在桌面上右键点击NVIDIA控制面板。
2.进入NVIDIA控制面板后，点击帮助，选择系统信息
3.查看电脑的显卡信息（本机显卡型号为NVIDIA GeForce GTX 1050 Ti,驱动型号为466.47），同时需要注意显卡驱动的更新
4.下载Cuda（官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2）
关于Cuda的版本选择，可以进入官方指南查询（https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html），根据计算机的GPU型号以及驱动版本进行选择。
根据本机的466.47驱动版本，可选择CUDA 11.3.1，但鉴于Pytorch官网只开放了CUDA 11.1的版本，所以只能选择11.1及以下的版本，进入官网选择“Legacy Releases”查看CUDA的历史版本进行选择
综合考虑版本稳定性，选择CUDA Toolkit 10.2版本
https://i0.hdslb.com/bfs/album/93ccf0b8c64aa81695f0657c88009bcba37d5694.png
根据计算机的实际参数选择本地安装（local）
点击Download
5.开始Cuda正式安装步骤
打开驱动文件.exe
选择默认安装路径
程序自检
点击“同意并继续”
勾选“自定义安装”并点击“下一步”
点击“下一步”
点击“下一步”（安装路径按默认，安装程序将自动配置）
勾选“同意”，点击“next”
自动安装
选择下一步
直接点击关闭
至此CUDA安装完成
6.验证Cuda安装是否成功（Cuda的系统变量会自动配置完成）
右键点击“我的电脑”后点击“属性”
点击“高级系统设置”
查看系统变量（Cuda系统变量会自动配置），环境变量中有多个版本是因为本机之前有安装过CUDA 10的版本且可用，此次安装的则是新版CUDA 11。
win+R键输入 cmd 打开cmd命令行界面输入 nvcc -V ，显示Cuda版本信息则表示安装成功
在conda界面进入该pytorch_for_teach环境，输入以下命令（此项测试可在完成整个pytorch安装后进行）
activate pytorch_for_teach
python
import torch
print(torch.__version__)
print("gpu", torch.cuda.is_available())
7.下载CuDNN（官网：https://developer.nvidia.com/rdp/cudnn-download）
初次登陆该网站需要注册账号
查看历史版本
根据计算机的参数选择合适的CuDNN版本
8.安装CuDNN
解压下载得CuDNN文件
！！！分别将解压活得的文件夹下cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝（是内容拷贝，不是文件夹覆盖）**到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1对应的include、lib、bin目录下即可。
配置环境变量（添加环境变量 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64）
右键点击“此电脑”，点击“属性”，点击“高级系统设置”，点击“环境变量”，点击“系统变量”，点击“path”，点击“编辑”，点击“新建”加入该路径即可。
9.安装Pytorch（官网：https://pytorch.org/）
进入Pytorch官网
按照计算机参数选择合适的版本进行自动下载安装
（获取命令：conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge）
使用Conda安装（Anaconda管理环境以及第三方包比较方便）
创建新环境进行安装Pytorch（也可在原有的环境底下进行安装，ps：若原环境曾安装过pytorch可能导致安装失败）
conda create --name pytorch_for_teach python=3.7
输入“y”后稍等片刻，出现以下画面则说明环境创建成功
启动该新创建的Python环境（或删除旧有安装包 conda clean --all，也可查看安装包列表删除准确的版本）
conda activate pytorch_for_teach
为加快pytorch下载速度，将下载源设置为清华源
创建.condarc文件修改默认下载源
conda config --set show_channel_urls yes
记事本方式打开.condarc文件，拷贝以下内容覆盖后保存**（若更改后进行下载遭遇类似链接无法访问等问题，可把https改成http。）**
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引
运行 conda create -n pytorch_for_teach numpy / conda install numpy 测试
将上面获得的Conda安装Pytorch命令拷贝到Conda界面进行输入运行
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge
输入“y”
安装完成
10.测试pytorch安装完成与否
在conda界面直接测试pytorch
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
至此，GPU版pytorch安装完成
附CPU版pytorch安装(若计算机无GPU，且在安装GPU版本的前提下无需再安装CPU版本)
进入Pytorch官网（https://pytorch.org/get-started/locally/）
获取CPU版下载命令
conda install pytorch torchvision torchaudio cpuonly -c pytorch
输入“y”
测试是否安装成功
import torch
print(torch.__version__)
import torchvision
print(torchvision.__version__)
