Anaconda, PyTorch, CUDA Driver, PyCharm 安装与配置

安装Anaconda(2022.05)

最新版本 https://www.anaconda.com/
历史版本 https://repo.anaconda.com/archive/

打开安装包：
next

I Agree

Just Me(影响之后创建虚拟环境的默认位置，选择Just Me虚拟环境默认在安装Anaconda文件夹下的evns文件夹下；选择All User虚拟环境默认安装在C:\Users\DQD.conda\envs)

选择安装位置

勾选第一个选项，在普通的命令行窗口可以使用Anaconda指令；若不勾选，只能在Anaconda命令行窗口中使用Anaconda指令。可选可不选。（本次不勾选）
本次勾选第二个选项，可选可不选。

安装

next

next

Finish

检验Anaconda是否安装成功
方法1：打开Anaconda图形化界面，在Enviroments选项中查看是否存在base环境，若有，则说明成功安装。

方法2：
打开Anaconda命令行窗口

上面的Powershell是Windows为开发者提供的功能更大的窗口

查看conda版本号

conda --version

创建虚拟环境

利用 conda create 指令创建新的虚拟环境

conda create -n pytorch python=3.8

"-n" 表示 name 的意思

"pytorch" 表示环境的名字

"python=3.8" 表示安装的python解释器的版本号

上图中说明了新建的虚拟环境的安装位置 enviroment location
以及在虚拟环境中安装的包package

遇到"y/n?"， 输入"y"即可

conda activate pytorch // 激活名为"pytorch"的环境
conda deactivate // 退出当前环境

查看当前Anaconda中已经存在的虚拟环境及其所在的位置

conda env list

激活创建的环境，并查看环境中已安装的工机包package
此时并没有pytoch包

GPU 准备工作

图片来自 B站up主：我是土堆

显卡是一个硬件，需要安装相应的驱动才能被计算机识别。

安装显卡驱动时，CUDA Driver也安装上了。
CUDA可以是一个使显卡实现并行运算的平台/软件。

有了CUDA Runtime，才能调用CUDA Driver里的东西，进而调用显卡做深度学习的加速运算。

确定显卡型号：NIDIA GeForce MX150
确定显卡算力：6.1
可通过维基百科搜索cuda查看 https://en.wikipedia.org/wiki/CUDA

确定CUDA Runtime
不同的CUDA支持不同的算力

安装显卡驱动CUDA Driver(11.7)

需要安装最新版本的显卡驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn

默认安装位置

默认选项（第一个）

自定义

一定要勾选清洁安装

下一步

重启

确定CUDA Driver的版本(11.7)

通过命令查看

nvidia-smi //注意中间没有空格

确定CUDA Runtime版本(11.6)

打开pytorch官网 https://pytorch.org/

这里的CUDA 10.2 11.3 11.6指的是CUDA Runtime的版本
CUDA Runtime的版本号＜=CUDA Driver的版本号即可(本机为CUDA Driver 11.7)

up主建议选择小于11.7的最新版本，本次选择11.6

安装pytorch(1.12.1)

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

过程中会自动安装cudnn

安装完成

验证

通过conda list 可以看到pytorch已经被安装 显示torch pytorch都可以

import torch
torch.cuda.is_available()

pycharm配置(2022.02)

pycharm安装非常简单，这里不再展示。
打开pycharm

配置成功

参考：https://www.bilibili.com/video/BV1S5411X7FY?p=1&vd_source=2260f60fe8d8001d3d4f8227f2b1c002