Win10 安装配置使用 PyTorch 并导入到 Pycharm

文章目录

一、安装及使用Anaconda

1、安装Anaconda

官网下载：https://www.anaconda.com/products/distribution
选择自己需要的版本下载：https://repo.anaconda.com/archive/

下载之后是.exe文件，直接双击打开安装，可以改一下安装路径，其他都选择默认直接next。

测试安装成功。

2、管理环境

安装成功后，就可以用anaconda来创建一个个独立的python环境了。

3、关于Anaconda命令总结

# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
 conda create --name python34 python=3.4
 
# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
 
# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH
 
# 此时，再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境
 
# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 删除一个已有的环境
conda remove --name python34 --all

conda install requests
或者
pip install requests

conda remove requests
或者
pip uninstall requests

#查看当前环境中所有安装了的包可以用
conda list

#导入导出环境
#如果想要导出当前环境的包信息可以用
conda env export > environment.yaml
#将包信息存入environment.yaml文件中.

#当需要重新创建一个相同的虚拟环境时可以用
conda env create -f environment.yaml

activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)

conda env list // 列出conda管理的所有环境

conda list // 列出当前环境的所有包

conda install requests 安装requests包

conda remove requests 卸载requets包

conda remove -n learn --all // 删除learn环境及下属所有包

conda update requests 更新requests包

conda env export > environment.yaml // 导出当前环境的包信息

conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

4、连接PyCharm

在Setting => Project => Project Interpreter 里面修改 Project Interpreter

我们可以看到我这里其实是有其他的环境，这是我在创建项目的使用使用了虚拟环境，pycharm会自动给我生成一个venv目录，下面则是独立的python环境。

点击三个小点标志再点击Add Local为你某个环境的python.exe解释器就行了。

添加Anaconda,我们选择了anaconda的python.exe,conda executable会自动识别conda的位置，将Make available to all projects勾选，所有项目都使用

然后点击ok,我们就可以看到Anaconda已经帮我们安装了很多库。

如果我们是第一次使用Pycharm,那么创建项目的时候会初始化，要是已经使用过一段时间，再配置Anaconda,也会初始化。

5、使用Conda

前面新建的 Anaconda 环境包含各种数据分析，机器学习等包，可以直接拿来用，并不需要再安装一遍，方便实用。但是，有时候，我们并不需要这么多的包，而是需要特定版本的 Python 或者 Python 包，或是依赖冲突等问题，这就要求有一个独立运行的环境。而 Conda 建立的环境正好满足了这个需求。

创建项目的时候可以选择Conda

点击 Pycharm 下面的 Termianl 可以直接控制 Windows 的 CMD 命令行。如果你的 Pycharm 运行在 Linux 下，这个工具会接管 Shell。可以看到在最前面多了一个 (example) ，这个代表激活的 conda 环境

输入命令 conda list，可以查看我们建立的环境里包含哪些包。

二、配置PyTorch环境

1、检查显卡

首先检查使用电脑的显卡版本：NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件


然后去PyTorch官网找到自己需要的版本

2、安装CUDA

PyTorch官网：https://pytorch.org/

复制这一段命令，改成自己需要的版本。

或者点击下面的Previous version去找与自己cuda版本适配的torch

我的cuda是11.0的，torch选择的是1.7.1的版本，直接复制命令安装即可

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

emmm 意料之中果然失败了…（看到这么大就有不好的预感）

看到一些博客说换成清华的镜像就可以了

加入清华源镜像

在命令行中依次输入以下命令

仅输入前三行和最后一行，如果不行，再将剩下的全部加上

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes

输入下面代码可以看到加入的channels

conda config --show

如果在添加channels时，添加错误的信息，一定要手动删除，或者命令删除，不然安装会一直报错。

删除的话就把上面的add改成remove就行了！或者去文件.condarc中，手动删除掉。

然后找到官网安装代码，去掉后面的-c pytorch，-c pytorch参数指定了conda获取pytorch的channel，在此指定为conda自带的pytorch仓库。因此，只需要将-c pytorch语句去掉，就可以使用清华镜像源快速安装pytorch了。（下载速度真的超级快，果然校园网还是可以的）

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0

下面是换回默认源的代码：

换回默认源：conda config --remove-key channels

3、测试是否安装成功

三、在pycharm中使用pytorch

1、点击左上角setting，如下图

2、点击左栏的python interpreter

3、选择conda 环境，然后选择已经存在的环境 Existing environment

4、后面直接ok

5、测试，输入以下代码

import torch
print(torch.cuda.is_available())
x=torch.randn(3,5)
print(x)

True表示 pytorch GPU 版本可以使用了

来源：42854