基于anaconda3的Pytorch环境搭建

方法一

1. 安装anaconda3，版本选择新的就行
2. 打开anaconda prompt创建虚拟环境conda create -n pytorch_gpu python=3.9，pytorch_gpu是环境名称，可自行选取，python=3.9是选择的python版本，可自行选择，conda会自动下载选择的python版本
3. 接下来去pytorch官网 https://pytorch.org/get-started/locally/

• 直接选择最新的cuda安装，把conda命令复制到环境下执行即可
• 安装结束执行torch.cuda.available()返回true则成功

（这个方法最简单但可能会不行，我自己环境下是没问题的，尽管的我的显卡驱动版本不支持cuda的高版本，但是也可以，不行换第二个方法）

方法二

1. 安装anaconda3，版本选择新的就行
2. 打开anaconda prompt创建虚拟环境conda create -n pytorch_gpu python=3.9，pytorch_gpu是环境名称，可自行选取，python=3.9是选择的python版本，可自行选择，conda会自动下载选择的python版本
3. 打开cmd按照下图输入查看显卡驱动版本
   
4. 查看显卡驱动版本与cuda兼容版本
   
   （链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html ）
5. 选择合适的cuda版本，比如我这里驱动版本为457，那么可以选择任何比457小的cuda版本。（我这里>=457的都用不了）
6. 接下来去pytorch官网（https://pytorch.org/get-started/previous-versions ）

• 先进入自己创建的虚拟环境
• 在pytorch官网中找到匹配自己cuda版本的conda命令复制到自己的conda环境下安装（这一步没必要切换源，我从官网直接下每次都成功了）
• 安装结束执行torch.cuda.available()返回true则成功

补充

• 每必要按照大部分网上的教程安装cuda再安装cudann，因为pytorch官网的conda命令包含了cudatoolkit

• 方法一
• 方法二
•     补充

__EOF__