Pytorch环境安装教程

本博客旨在记录第一次安装环境时的注意事项，方便下次所需时快速配置好环境

工具名词解释

Conda、Anaconda、Miniconda

• conda 是一个包和环境管理器
• Anaconda： 是一个庞大的工具包，它不仅包含了 Python 和 conda 这个包管理器，还预装了上百个科学计算和数据分析中常用的库，比如 NumPy、Pandas、Matplotlib 等。它的优点是“开箱即用”，你装好后，大部分常用的库都已准备就绪，非常方便。但缺点是体积庞大，占用空间多。
• Miniconda： 是 Anaconda 的精简版。它只包含最基础的 Python 和 conda 包管理器，没有预装任何额外的库。优点是体积小巧。你需要什么库，就用 conda 命令去安装什么，这让你对环境有完全的掌控权。
• 当你安装了 Anaconda 或 Miniconda 后，你就拥有了 conda 这个命令行工具

Pytorch

• PyTorch 确实是 Python 的一个库，它的核心包就叫做 torch。当我们说“安装 PyTorch”时，实际上就是在安装这个 torch 库以及一些相关的依赖包。
• 当然也有C++版本和Java版本的torch库
• 由于Anaconda 作为一个大型的数据科学工具箱，它确实预装了上百个常用的库，但主要集中在通用数据处理和分析领域，而像 PyTorch、TensorFlow 这样的深度学习库，它们的体积非常庞大，特别是当你需要支持 GPU 加速时，还需要额外安装 CUDA 和 cuDNN 等库，整个安装包会变得非常大。如果 Anaconda 把所有可能的深度学习框架都预装进去，安装包的大小就会变得难以管理，并且会占用大量的硬盘空间，而许多用户可能根本不需要这些库。

CUDA

• CUDA 是由 NVIDIA 公司推出的一种并行计算平台和编程模型。简单来说，它是一种能让你利用 NVIDIA 显卡（GPU）的强大计算能力来加速计算的技术。
• 简单说：一种技术，能让你的 PyTorch 利用 NVIDIA 显卡进行高速计算。
• 但仅限于NVIDIA 显卡

安装（请依次安装）

CUDA安装

• 驱动安装，一般默认都有（下载往后看）

​ 打开任务管理器，点击性能，如果能显示显卡名称即可

• 官网下载CUDA（maybe需要魔法）CUDA Toolkit 13.0 Update 1 Downloads | NVIDIA Developer

• 以此选择需要的版本

  

• 下载完成后双击安装，一路默认next即可

• 安装完成后，打开cmd，输入nvidia-smi，查看是否安装成功（注意看版本和显卡型号）

  

Miniconda安装

• 打开官网的历史版本，Index of /miniconda

• 打开Pytorch的官网Pytorch Get Started查看当前最新的Pytorch需要的Python版本是多少

  

• 找到需要基础环境（或者说初始环境）自带的Python版本，和自己一开始在本地Python不需要一致，因为本地的环境和conda的环境是独立的。（注意选择操作系统的版本）

  

• 点击下载后一路默认next安装，默认安装路径为 C:\ProgramData\miniconda3

• 安装完成后，点击任务栏搜索 ancconda，选择带管理员的shell打开，输入 python –version 查看版本是否正确

  

  

[!IMPORTANT]

至于conda的具体操作和使用，之后另在一篇博客上记录

Pytorch安装

• 打开官网Pytorch Get Started，如图依次选择

• 注意：CUDA版本可能对不上，但是选择大版本一致的即可，越接近越好

  

• 复制好命令后，粘贴至刚刚打开的Anaconda Shell，如果在cmd里粘贴，就会安装到本地的python环境中

  等待下载完成，直至看到Successful

  

• 测试是否完成，如图依次在当前窗口中输入：