代码收藏家 使用Anaconda安装PyTorch 1.13.0 GPU环境（带图解，支持CUDA 11.6）
研一上半学期一直在跑小模型CPU版本足够使用，当时也尝试安装了好多次GPU版本的环境一直安装不上，到最后不聊聊之了。但现在需要跑检测模型CPU显得力不从心，决定再痛苦的尝试安装GPU版本。安装环境是所有学习AI人前期最头疼的事，本文就是安装Pytorch GPU版本的脑残带图版。
PyTorch官网：https://pytorch.org/
文章目录
前提
最好已经安装好Anaconda，提前查询自己电脑的NVIDIA GPU算力
GPU算力查询
提示：以下是本篇文章正文内容，下面案例可供参考
一、查看cuda版本
1.右键点击NVIDIA控制面板
2.点击左下角系统信息
3.点击组件，查看NVIDIA CUDA版本
二、创建虚拟环境
0.先去pytorch官网查看不同的pytorch版本对应的torchvision版本
传送门：https://pytorch.org/get-started/previous-versions/
提示：考虑到稳定性我选择了1.12.0版本的Pytorch，可以根据复现的论文代码的要求下载不同的版本
1.这里创建一个名为torch1.12的虚拟环境，python使用3.8的版本
conda create -n torch1.12 python=3.8
conda activate torch1.12
三、离线安装GPU
由于之前我是用的都是在线安装方法，然后一直装不上，到一半就报错，这次尝试的就是离线安装方法，torch和torchvision（torch环境）文件的下载地址
1.下载：https://download.pytorch.org/whl/torch_stable.html
分为linux和win系统，安装方式相同
下载需要的torch以及torchvision两个文件下载。注意，cp38表示python3.8的编译环境，win_amd64表示64位win操作系统。cu116就是对应cuda11.6的版本。
2.下载完成后，我们将这两个文件放入一个全路径为英文（中文可能路径解析出错）的文件夹中。
3.接着进入刚刚用conda创建好的虚拟环境后，切换到torch以及torchvision两个文件目录下依次安装whl包：
pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl
pip install torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl
4.检查是否安装成功
import torch
torch.__version__
四、跑代码（IDE中配置虚拟环境）
- 点击file–>setting
3.
4. 选择解析器
测试了一下之前的分类网络，数据也不多，之前cpu两个小时跑一个模型，GPU只用了十分钟！！！
下面是使用GPU在VOC数据集上训练以resnet50为backbone的Fast-RCNN网络模型。
