配置pytorch环境2024-更新至win11
配置pytorch环境2024
windows11
1.安装anaconda
conda create -n {虚拟环境名} python=3.9 matplotlib numpy pandas jupyter
我们新建一个python版本为3.9的虚拟环境，初始化安装了matplotlib, numpy, pandas库，以避免后续依次安装而造成的依赖版本冲突问题。
Tips: 经验得出的结论，这样安装的python包会自动协调版本内容，避免冲突。所以尽可能在创建时一次安装完成。但有些python包比较大，下载如果过慢会导致创建时间随之延长。
2.决定下载哪个版本的pytorch（根据你要安装的CUDA版本）
打开这个网页查看pytorch官网支持的两各版本CUDA：Pytorch下载链接
打开命令行，输入nvidia-smi
CUDA Version后面的就是电脑显卡可支持的cuda版本，更新最新版显卡驱动后，我的电脑最高支持12.7版本的CUDA。
显卡驱动更新地址：英伟达显卡驱动查找地址
在这里选择你的显卡并点击“开始搜索”查找驱动，并在下方下载名为GeForce Game Ready驱动程序的驱动即可，其余安装过程直接一直下一步就可以安装完成了。
3.安装cuda
CUDA有两种安装方式，直接去英伟达官网下载安装包安装，以及在anaconda下用conda安装。
笔者尝试直接在anaconda下安装了11.8的CUDA，可以在虚拟环境下成功校验torch.cuda.is_available()，但是nvcc -V不成功，现在还没有跑程序验证安装好的pytorch是否可用。如果不可用，下一步应尝试在本机安装比虚拟环境下版本更高的CUDA，如12.4.1版本。
1.工具包方式
这种方法就是先明确自己需要安装的版本，然后去英伟达官网下载安装包安装。
不过在以前基础上再加一低版本，需要注意的就是不要勾选驱动程序，然后切换版本要配置环境变量。
来到CUDA Release下载安装CUDA工具包（CUDA Toolkit），注：cudatoolkit下载很慢，我下载的是12.4.1
安装可以参考这个链接
安装时要注意：
2.动态链接库方式
在Anaconda虚拟环境安装cuda（参考链接）
相比英伟达官方提供的 CUDA Toolkit，这种方式显得特别轻便。因为前者是一个完整的工具安装包，其中还提供了英伟达驱动程序（可以不勾选）和开发 CUDA 程序的工具。而对于使用深度学习框架的话，训练使用 GPU 确实只需要使用 CUDA 的动态链接库就可以，而且只需要用 conda 安装就可以。
首先进入我们创建好的虚拟环境（一定要进入虚拟环境！！！）
查看支持的 cuda
输入conda search cudatoolkit --info，查看cudatoolkit已有的安装包版本。
这里看到最高是11.8.0
查看支持的 cudnn
输入conda search cudnn --info
安装 cuda 和 cudnn（这里用conda命令安装）
conda install cudatoolkit=11.8.0
conda install cudnn
原文链接：https://blog.csdn.net/weixin_46446479/article/details/139004738
3.安装完成cuda工具包之后，在anaconda虚拟环境中安装新的CUDA的方式
创建虚拟环境的时候可以使用默认安装的系统cuda版本,也可以创建时指定一个新的cuda
比如：conda install pytorch1.2.0 torchvision0.4.0 cudatoolkit=10.0 -c pytorch
这里的cudatoolkit就是安装在虚拟环境的cuda
这个虚拟环境的cuda版本最好不要超过系统内安装的cuda版本
注意anaconda虚拟环境里的cuda和cudnn不是完整的，必须依赖于系统内安装的cuda和cudnn（这里存疑）
在虚拟环境里使用gpu时候会优先调用虚拟环境里的cuda/cudnn
4.安装pytorch
根据以上内容安装了11.8的CUDA，3.9的python，在官网生成安装指令如下：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
如下：
可以看到，我安装的是2.5.0版本的pytorch。
5.校验torch
输入pip list或者conda list，看有没有pytorch或者torch，有的话进行下一步
进入python IDLE
python
导入torch包并验证CUDA可用
import torch
torch.cuda.is_available()
看到这里显示true就表示你已经成功安装了pytorch-CUDA了
6.参考文章:
2024年Pytorch + CUDA配置教程（Windows版）手把手教学，详细讲解
这是一篇基于Anaconda的pytorch-cuda安装教程
Ubuntu + cuda + anaconda + cudatoolkit关系说明
Win11配置多个CUDA环境
Windows10 下 CUDA 新旧多版本共存
安装Pytorch如何选择CUDA的版本，看这一篇就够了
conda 环境下怎么使用 cuda、cudnn、tf 等环境
显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？
如何卸载cuda
参考这篇博客 CUDA的卸载，首先记住删除环境变量或者将环境变量改名
Ubuntu
Linux系统从零开始最快配置Pytorch（NVIDIA驱动+Anaconda+Pytorch）
安装多版本 cuda ，多版本之间切换
如何使用docker管理环境？
这是英伟达官方的docker镜像：https://hub.docker.com/r/nvidia/cuda