深度学习pytorch环境搭建

搭建pytorch环境，主要目的还是尽量利用gpu的算力，cpu也可以但速度要慢很多，如果没有Nvidia显卡，torch.cuda.is_available()就是False，是正确的。即便没有显卡，也是可以往后面学习的，只不过运算速度会慢很多。

当数据量较大时，在GPU上的运算速度接近CPU的10倍，且随着layer的加深、循环层数的增加，这两者运算速度的差异还会继续扩大。

所以如果我们有显卡条件的话，有必要去做一些安装和配置工作，本次环境搭建以最终代码可以调用gpu运算为目的（torch.cuda.is_available() 为True）。

pytorch 安装可参考 Pytorch安装教程

下面简单记录一下环境搭建过程

1. 安装Anaconda anaconda.com
   安装好后 可创建一个虚拟环境执行

2. conda create --prefix=D:/deep python=3.7

3. activate D:/deep
   [安装cuda 如果有N卡的话，根据n卡型号的算力决定是否选择11.4。A卡自求多福]

   在NVIDIA控制面板查看显卡驱动版本，选择合适的CUDA版本进行下载。
   

   NVIDIA驱动版本与CUDA版本对应关系
   

nvidia-smi 控制台 如果Driver Version小于 400先更新显卡驱动。

下载并安装 cuda https://developer.nvidia.com/cuda-10.2-download-archive [首先要安装个 vs]

参考文章：

cuda 安装可参考 ：cuda 安装

win10下，conda安装GPU版pytorch最新版本: cuda11.7，遇到的坑

4. 进入官网复制一条安装命令 https://pytorch.org/ 复制符合自己情况和条件的命令

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

国外的下载速度比较慢，可以执行一下语句切换镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set show_channel_urls yes
conda config --set ssl_verify false

安装结束测试

import torch
print(torch.__version__)    #显示版本
print("gpu", torch.cuda.is_available())  #False

【找不到指定模块：1.安装vs  2. conda install -c peterjc123 vc vs2017_runtime 3.重新安装numpy】

报找不到指定模块错误，可以先尝试重新安装一下numpy，一般就可以解决，若不能解决就需要安装相关vs

显示为True证明环境搭建成功，。