1.安装anaconda
在机器学习，深度学习中，要用到大量的 package（就是各种工具包）， 一个个安装管理就显得极为不方便，因此，我们需要一个工具。 Anaconda，这是一个集成了常用于科学分析（机器学习，深度学习）的大量包 安装也很简单 
正常安装python3.8版本的64位即可 安装过程一路点next就行 
安装完成后，可以在菜单栏上看到这样的内容即可认为是安装anaconda成功 2.为pytorch创建虚拟环境
由于遇到不同的项目，我们可能会需要使用到不同版本的环境，每次删除环境安装环境也显得十分复杂。 因此Anaconda 集成的 conda 包就能够解决这个问题，conda能够很好地管理你所创建的环境（虚拟环境）。 每次使用地不同环境可以互不影响，需要哪个环境就用哪个环境。 开始菜单找到这个程序运行，左侧的conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes //最后这句用来设置搜索时显示通道地址 设置下载的timeout
conda config --set remote_read_timeout_secs 1200.0 准备就绪就可以开始为pytorch创建一个虚拟环境了 conda create -n pytorch python=3.8 //这里我使用的是3.8版本的python 选择y就可以等待创建了 安装后输入以下指令来查看安装情况 conda info --envs 
带星号的即为当前所处在的环境，可以看到pytorch环境已经创建完成 3.安装pytorch
首先，在安装之前，你要检查一下你的电脑是否有CUDA 在桌面右击NVIDIA控制面板，在帮助-系统信息 
在组件中可以看到你的CUDA版本，如图我的版本号为10.2 向下拉动找到这里，选定win-conda-python-你的CUDA版本号 复制下面链接，注意注意注意，可以把-c pytorch去掉，下载更快 //进入pytorch环境 conda activate pytorch //输入复制的链接，便开始了漫长的等待下载安装 最后，如何检查自己是否安装成功呢 //首先进入pytorch环境，若已进入忽略 conda activate pytorch python >>>import torch //输入完成后如果没有报错，则证明你已经成功安装了恭喜你！！！ >>>torch.cuda.is_available() true //继续输入上面代码，输出True，则意味着你可以使用 GPU 4.为你的pychram配置上pytorch
最后一步了，十分简单，打开pycharm，创建新的项目 
展开python解释器，选择现有解释器，点击右边三个小点选择第二个conda环境 一般目录C:\Users\用户名\anaconda3\envs\pytorch\python.exe 最后祝大家也都能安装顺利，早日成为深度学习大牛！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/173136.html原文链接：https://javaforall.net
