使用 Conda 安装 PyTorch（CUDA=False）的指南
在深度学习领域，PyTorch 是一个广泛使用的开源深度学习框架。它以灵活性和易用性闻名，尤其适合研究人员和开发人员使用。对于希望在没有 GPU 支持的情况下在本地机器上使用 PyTorch 的用户来说，使用 Conda 安装 PyTorch 是一个简单直接的方法。本文将介绍如何在不启用 CUDA 的情况下使用 Conda 安装 PyTorch，并提供相关代码示例。
什么是 Conda？
Conda 是一个开源包管理系统和环境管理系统，用于安装、运行和更新各种软件包。与传统的 Python 包管理工具（如 pip）相比，Conda 能够处理包的依赖关系，使得环境的管理更加容易。
安装步骤
以下是使用 Conda 安装 PyTorch 的步骤。首先确保你已经安装了 Anaconda 或者 Miniconda。可以在其官方网站上找到下载和安装说明。
步骤 1：创建 Conda 环境
为了不干扰系统的全局环境，建议为 PyTorch 创建一个新的 Conda 环境。你可以使用下面的命令创建一个名为 pytorch_env 的环境：
conda create --name pytorch_env python=3.8
在这里，python=3.8 指定了使用 Python 3.8 版本，你可以根据需要修改为其他版本。
步骤 2：激活环境
创建完环境后，使用以下命令激活该环境：
conda activate pytorch_env
步骤 3：安装 PyTorch
接下来，你可以安装 PyTorch。由于我们不需要 CUDA（即不需要 GPU 加速），可以直接安装 CPU 版本。以下是安装 PyTorch 的命令：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
这条命令执行了以下几个主要操作：
- 安装
pytorch、torchvision和torchaudio包。 - 使用
cpuonly选项，这表明我们只安装 CPU 版本。 - 使用
-c pytorch指定 PyTorch 官方的 Conda 源，以确保获得最新和最兼容的软件包版本。
步骤 4：验证安装
安装后，可以通过以下 Python 代码来验证安装是否成功：
import torch
print("PyTorch version:", torch.__version__)
print("Is CUDA available?", torch.cuda.is_available())
如果一切正常，输出应该类似于：
PyTorch version: 1.10.0
Is CUDA available? False
这表明我们成功安装了 PyTorch，并且 CUDA 不可用。
总结
通过以上步骤，你成功地在没有 CUDA 支持的情况下使用 Conda 安装了 PyTorch。这种方法不仅简单，而且通过环境隔离保证了其他项目的稳定性。
回顾一下，我们进行了以下几个主要步骤：
| 步骤 | 命令 |
|---|---|
| 创建 Conda 环境 | conda create --name pytorch_env python=3.8 |
| 激活环境 | conda activate pytorch_env |
| 安装 PyTorch | conda install pytorch torchvision torchaudio cpuonly -c pytorch |
| 验证安装 | 运行 Python 代码进行确认 |
使用 Conda 安装 PyTorch 不仅保证了依赖关系的完整性，还能轻松管理不同的环境。在不需要 GPU 的情况下，PyTorch 的 CPU 版本已经足够满足大部分学习和开发需求。因此，如果你正在寻找一个简单的方式来开始使用 PyTorch，以上方法将是一个不错的选择。希望这篇文章对你有所帮助，祝你在深度学习的旅程中一帆风顺！
