学习深度学习技术需要使用到PyTorch，在安装PyTorch 过程中，有很多的细节需要知道，在下载PyTorch的时候，我们需要根据英伟达显卡的版本进行相应的下载，如何查看英伟达显卡版本？下载Anaconda的时候很慢，如何让Anaconda下载很快？在使用Anaconda下载PyTorch非常慢，如何使用Anaconda下载PyTorch加快？
pytorch是基于torch和Python语言的机器学习库。anaconda是环境与包的管理工具，pytorch的下载需要借助anaconda来完成。另外，安装的anaconda自带Python，因此没安装过Python的小伙伴也不必要再安装Python了。 最后anaconda为我们提供了运行环境，为了编写程序的方便，我们还需要一款编辑器，这里推荐使用pycharm。从安装anaconda到在pycharm中写代码，可分为三步进行：
如果你使用conda install pytorch torchvision cudatoolkit=9.0 -c pytorch来安装pytorch，并且添加了清华镜像源，但还是由于网络原因下载失败，你只需要把-c pytorch去掉：
3月5日更新ubuntu下pytorch1.0.1安装方法（Ubuntu16.04+CUDA9.0+PyTorch1.0.1）
前不久刚刚入手了一台新电脑，显卡为RTX3060，在安装环境的时候，踩了不少坑，现在将经验总结如下：
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
通过conda创建一个名为：pytorch的虚拟“房间”，可以方便未来对不同版本的PyTorch进行管理，具体方法如下：
记录时间：2021年1月31日 版本：Ubuntu20.04、cuda11.0、cudnn对应的版本、pytorch对应的版本。我的电脑安装win10+Ubuntu20.04双系统，中途会重启进入windows系统进行一些下载。
Pytorch 目前是炙手可热的深度学习框架。和 TensorFlow 比较起来学习曲线更加平滑，不用写大量的样板代码就可以对网络进行训练和使用。在最新版本的 Pytorch 中开始支持 Java 。但是安装 Pytorch 并不是很容易的事。今天就来说一下如何利用 Conda 安装 Pytorch 。
【磐创AI导读】：本篇文章讲解了PyTorch专栏的第一章，简单介绍了PyTorch及其环境搭建，希望对大家有所帮助。查看上篇关于本专栏的介绍：PyTorch专栏开篇。想要获取更多的机器学习、深度学习资源，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。
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：
PyTorch 如今已经称为最受欢迎的深度学习框架之一了！2019年1月到6月底，在arXiv.org上发表的论文中，提及TensorFlow和PyTorch的数量相差无几。与2018年1月到6月相比，PyTorch增长了194%。相比之下，TensorFlow的增长幅度仅为23%。
你是否也遇到了在尝试从PyTorch官方网站下载时，面临下载速度缓慢甚至超时的问题？😿 在本文中，我——猫头虎博主，将带你深入了解这个问题的原因，并提供一套详尽的解决方案。我们会探索使用国内的镜像源，如清华大学开源镜像站，来加速PyTorch的下载。本文还将包括详细的操作步骤和代码示例，确保你能够轻松地解决这一常见的技术问题。最后，我们会通过一些实用的QA和表格总结来巩固知识，一起看看这一问题背后的技术细节和未来的行业趋势。🚀
对于深度学习新手和入门不久的同学来说，在安装PyTorch和torchvision 时经常会遇到各种各样的问题。这些问题可能包括但不限于：
假设已经装好了pycharm、anaconda，并且新建了一个conda虚拟环境（我的虚拟环境名为pytorch）。接下来需要安装新版的显卡驱动，安装cuda、cudnn、pytorch和torchvision，这几个环境的版本互相关联，为了能使用更新的项目，尽量安装最新版本的环境。
特别是大部分的方法，都是让你去pytorch官网的这个链接，用选择器生成一个pip/conda命令。你点进去可能就傻眼了：
这两天同学在问我pytorch的安装，因为自己的已经安装好了，但是好像又有点遗忘，之前也是花了很大的功夫才弄明白，所以整理的比较详细。
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序它主要由Facebook的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：
电脑又独立显卡测试结果为False,我重新在pytorch官网查看了我下载的版本，发现使用下载成没有独立显卡的版本，于是我删除后重新下载，测试运行结果为True
官网下载Anaconda3：https://www.anaconda.com/distribution/
该文介绍了在Ubuntu 16.04环境下安装NVIDIA GPU显卡驱动、CUDA 8.0以及PyTorch的方法。首先，需要更新系统并安装NVIDIA驱动，然后下载CUDA 8.0，接着安装PyTorch。安装完成后，可以通过在终端中输入 'import torch' 来验证安装是否成功。最后，更新numpy并验证GPU是否可用。
可能有些朋友已经装了对应的Python版本和Conda了，我们先查看一下对应的版本。
（1）.针对于电脑中配备有GPU，且有深度学习需求，搭建一个可用无污染的深度学习环境。
PyTorch进行神经网络的学习十分有用， 但是，其在中国大陆的安装包下载十分缓慢。这里介绍一下我在Windows10中安装PyTorch的过程与建议。
安装CUDA前需要安装Visual Studio，我安装的版本为Visual Studio 2017，视频与视频中未提及，请小伙伴们注意。
目前主流深度学习框架有Tensorflow和pytorch，由于一些原因我只在windows10下安装了以上两个深度学习框架。Tensorflow在16年底就出了在windows下可安装的版本，而pytorch在2018年4月25号也出了可在windows下安装的版本。接下来我将给出最简单的方法来安装深度学习框架。
PyCharm是一种Python IDE，是由JetBrains打造的一款Python IDE，VS2010的重构插件Resharper就是出自JetBrains之手，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。
首先不用着急挑选CUDA的版本。我们先看下pytorch以及cuDNN的版本支持情况。
PyTorch介绍： PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。其运行环境已兼容Windows (CUDA,CPU)、MacOS (CPU)、Linux (CUDA,ROCm,CPU)。 PyTorch的前身是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口，它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。 PyTorch既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2017 年 1 月， FAIR （Facebook AI Research ）发布 PyTorch。
这里我选了CUDA Toolkit10.5的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。
（anaconda内置python在内的许多package，所以不用另外下载python） 可以点击下面的清华开源软件镜像站，在官网下载anaconda不如在这下的快 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/镜像站
入门深度学习，很多人经历了从入门到放弃的心酸历程，且千军万马倒在了入门第一道关卡：环境配置问题。俗话说，环境配不对，学习两行泪。
用网址链接直接用浏览器或者其他工具下载安装包，然后拷贝回linux系统中本地离线安装。
作为一款被学术界和工业界广泛使用的开源机器学习框架，PyTorch 近日发布了最新的 1.8 版本，1.8 版本的发布，使得 PyTorch 加入了对 AMD ROCm 的支持，可以方便用户在原生环境下运行，省去了配置 Docker 的繁琐。
登录anaconda的官网下载，anaconda是一个集成的工具软件不需要我们再次下载。anaconda官网
目前常见的深度学习框架有很多，最出名的是：PyTorch（facebook出版）， Tensorflow（谷歌出版），PaddlePaddle（百度出版）。PyTorch是目前最主流的深度学习框架，我们就选择PyTorch肯定没错。
在我刚刚发的【2024保姆级图文教程】深度学习GPU环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda 深度学习环境配置 文章中（跳转链接：保姆级教程深度学习环境）
这次安装过程可以说是一波三折了，感觉几乎所有奇奇怪怪的问题都遇见了。感觉很少有安装Anaconda遇见这么多问题的同学，所以索性汇总一下写出来给大家做个参考。因为也是我第一次写博客，所以希望大家多批评指正，我会虚心改正的哈。希望对大家有帮助！
在用pip或者conda安装一些包时有时会因为网络原因导致下载失败，进而无法安装。一般的解决方法就是换源，或者重复安装。
记得前不久刚陷入Tensorflow2.0的安装困境，这一次又被PyTorch 搞哭辽。
之前我们在利用GPU进行深度学习的时候，都要去NVIDIA的官网下载CUDA的安装程序和cudnn的压缩包，然后再进行很繁琐的系统环境配置。不仅环境配置麻烦，而且还特别容易配置错误，特别还有CUDA和cudnn版本的对应也特别容易搞错，但是利用anaconda安装配置pytorch和paddlepaddle环境的时候会自动帮我们配置好cuda和cudnn。这篇博客就是针对小白的保姆级深度学习的环境配置教程
PyTorch是Facebook团队于2017年1月发布的一个深度学习框架，虽然晚于TensorFlow、Keras等框架，但自发布之日起，其关注度就在不断上升，目前在GitHub上的热度已超过Theano、Caffe、MXNet等框架。
本教程将为您提供在Windows、Mac和Linux系统上安装和配置GPU版本的PyTorch（CUDA 12.1）的详细步骤。我们将使用清华大学开源软件镜像站作为软件源以加快下载速度。在今天的学习中，您将学会如何在不同操作系统上轻松安装和配置深度学习框架PyTorch，为您的AI项目做好准备。
最近在浅尝Pytorch的源码，利用业余时间去品读品读，看着看着，第一次对Pytorch有了重新的认识。 原来现在Pytorch的版图是如此之大，Pytorch已经不是一年前的Pytorch了。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
