1.conda创建虚拟环境pytorch_gpu
conda create -n pytorch_gpu python=3.6
创建虚拟环境还是相对较快的，它会自动为本环境安装一些基本的库，等待时间无需很长，成功之后界面如下所示：
2.切换到pytorch环境
使用如下命令，切换到我们刚刚创建好的pytorch虚拟环境，这样我们避免与其它python环境之间的干扰。
conda activeta pytorch_gpu
切换成功之后就会看到在路径前边显示我们已经进入该虚拟环境。
3.安装几个常用库（也可暂时不安）
conda install pandas jupyter notebook
4.安装pytorch
4.1进入官网查看要下载的版本
查看对应的版本，这里是官方链接：
4.2 根据系 统信息及cuda版本选择对应toolkit
这里最主要的是那个CUDA的版本，此处我选择的是10.1，是因为我的电脑的 cuda版本信息就是这样的。具体的查看方法可在4.5节查阅。
4.3复制上图中最后一行代码到pytorch环境终端
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
这里是下载过程截图：
但是在下载过程中torchvision以及pytorch没有下载成功，
因为这是去其官网下载，下载速度很慢，在上图中我们也可以看出是因为网络错误,网络上也有几种其他的方法，此处我没去验证，我还是让电脑重新下载的，等待时间挺长的，但是因为是在晚上下载的，一早起来就好了
4.4 验证pytorch是否安装成功
此时直接输入 python，即可成功进入：
而后输入如下指令，查看torch是否安装成功
>>> import torch >>> x=torch.randn(4,4) >>> print(x)
正常情况下是出现这个界面的：
验证完成之后，可以quit()保存退出。
4.5 如何查看自己电脑cuda版本
4.5.1 windows如何查看
NVDIA控制面板–>帮助–>系统信息
组件–>NVCUDA.DLL 可以查看CUDA版本
这里我的显示是10.1,所以我上边下载的版本也是10.1的，这里的版本要对应上，否则会出现问题。
4.5.2 linux如何查看
打开终端，输入：nvcc -V
nvcc -V
或者如下方式查看：
CUDA:
cat /usr/local/cuda/version.txt
cudnn:
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
到此这篇关于如何搭建pytorch环境的方法步骤的文章就介绍到这了,更多相关pytorch搭建环境内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！
