win10+Anaconda下安装pytorch

1.利用清华镜像开源网站下载并安装anaconda

（1）首先，按教程链接配置一下anaconda；
（2）然后，打开anaconda navigator,然后创建一个环境来放pytorch。
先点击下面的create，然后创建一个新环境。

选择你的python版本，这里我选择的是Python3.7。

环境名字可以自己命名，但是尽量写自己能看懂的（一定是英文），由于我已经创建了一个叫pytorch的环境，为了演示，我这里创建一个叫Pytorch_envs的环境。

然后就会自动开始下载一些相关的包，等待其下载完成。

（3）之后，打开anaconda prompt，先激活环境：

activate Pytorch_envs

（4）接着去pytorch官网下载pytorch,pytorch官网。
如下图，选择你的操作系统，如果你想用pip安装，可以选择pip。我是用的是anaconda安装，因此我选择的是conda(推荐使用anaconda安装，因为我看网上有些人说使用pip安装出了各种各样的错误，并且最终使用了anaconda来安装)之后，图中红箭头所指的地方会有你需要输入的下载代码。输入到prompt里面就可以安装。

如果这种方法不可行，则参考这篇文章使用anaconda从本地下载torch和torchvision。

（5）安装成功后，出现如下图所示信息，输入：activate pytorch，进入pytorch环境里面，这个时候pytorch环境相当于只是个空的框架，真正的pytorch还没有装上。（输入：deactivate pytorch，退出pytorch环境）

（6）如上图所示，在pytorch环境中，输入：conda install pytorch -c pytorch，开始安装pytorch，同样需要输入y，继续安装。

（7）安装完成后，输入：python，显示python版本信息，并进入到python里，输入：import torch，没有任何提示则说明安装成功。

（8）输入：exit()，退出python，进入到pytorch环境

2.Win10下安装Anaconda+PyTorch+Pycharm+CUDA+cudnn
参考： 链接

CUDA和cudnn配置流程
（1）查看计算机显卡型号：
在桌面电脑图标上点击右键,选择管理。

点击设备管理器。

点击显示适配器。

如图即可看到当前安装的显卡型号。

（2）安装CUDA 10.2（根据自己的版本来）
下载路径：https://developer.nvidia/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
我是安装的精简版，且安装在C盘（一开始是安装的自定义版本，且不再C盘，一直无法启动，看了一下其他博客说需要安装在C盘，如果还不行的话安装精简版，精简版较全）

安装完成后进行测试，在cmd中输入：

nvcc-V

表示安装成功。

（3）windows10下使用nvidia-smi查看GPU使用情况：

nvidia-smi所在的位置为：C:\Program Files\NVIDIA Corporation\NVSMI，为了方便我们可以把此路径添加到path中。

看到显卡信息表示成功啦。

cudnn库下载
安装完成之后，还需要下载cuDNN，这里需要登录并填写问卷才能下载，到下图所示的下载页面后，下载完成后，将这个压缩包里的所有文件放到CUDA10安装目录相应文件夹下即可。
下载地址：https://developer.nvidia/cudnn



3、PyTorch-gpu配置流程
（1）安装PyCharm
官网下载：https://www.jetbrains/pycharm/download/#section=windows
社区版免费，专业版收费，入门学习选择社区版即可

（2）配置PyCharm与Pytorch
打开pycahrm，新建项目。

出现如下界面：

选择运行环境。选中Existing Interpreter，点击右边设置按钮，选择Add Local

点击Conda Enviroment，选择环境

进入Anaconda安装路径，选择envs文件夹，里面有建立的环境，选择之前建立的tensorflow环境中的python.exe，本机的路径为：D:\Anaconda3\envs\pytorch\python.exe

创建test.py文件测试pytorch：

# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

输出结果：

参考博客：https://blog.csdn/qq_38704904/article/details/95192856
https://blog.csdn/guoqiangszu/article/details/83302619
https://developer.nvidia/rdp/cudnn-download
https://blog.csdn/u011473714/article/details/95042856
https://www.jianshu/p/9f89633bad57