Anaconda与PyTorch安装教程

搭建 PyTorch 环境属实不容易，折腾了一整天，记录一下踩雷后的总结吧。

1. Anaconda的安装与命令介绍

1.1 安装Anaconda

首先前往 Anaconda 官网：Anaconda，下载安装文件。本文下载的为 Windows Python3.9 版本。

安装时没有需要特别注意的，设置好相应的安装路径即可，本文安装路径为：D:\Anaconda3。

安装好后打开开始菜单能看到启动项：Anaconda Prompt，打开后如果看到命令行最左侧有 (base) 标识说明安装成功，可以查看版本号：

1

conda -V

在 Anaconda 中我们会创建很多环境，那么我们需要先设置环境创建的路径，默认是在 C:\Users\XXX\.conda 下的。

先在想要存放的地方创建文件夹 Anaconda3_Environments，本文创建在 D 盘，然后在该文件夹中再创两个文件夹：D:\Anaconda3_Environments\envs 和 D:\Anaconda3_Environments\pkgs。

在开始菜单打开 Anaconda Navigator，点击左上角的 File-Preferences-Configure Conda，修改为以下信息，然后保存即可：

1
2
3
4
5
6

channels:
 - defaults
envs_dirs:
 - D:\Anaconda3_Environments\envs
pkgs_dirs:
 - D:\Anaconda3_Environments\pkgs

1.2 Anaconda常用命令

创建名为 PyTorch 的环境，Python 版本为3.9：

1

conda create -n PyTorch python=3.9

删除名为 PyTorch 的环境（注意删除环境时要在 base 环境下，别在要删除的环境下）：

1

conda remove -n PyTorch --all

查看当前的所有环境：

1
2

conda env list
conda info --envs  # 另一种方式

激活 PyTorch 环境：

1

conda activate PyTorch

退出环境：

1

conda deactivate

更新 conda 及 Anaconda：

1
2

conda update conda
conda update Anaconda

如果下载速度很慢，例如下载 PyTorch 时，可以先按以下命令的方式修改镜像源：

1

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

查看相关镜像源：

1

conda config --show

将镜像源恢复成默认设置：

1

conda config --remove-key channels

2. PyTorch的安装与配置

2.1 安装PyTorch

首先查看本机的 CUDA 版本，CUDA Version 即为版本号，本文的版本号为11.6：

1

nvidia-smi

前往 PyTorch 官网：PyTorch，在 Get Started 中选择好相应的选项：Stable、Windows、Conda、Python、CUDA 11.6，然后会生成一条安装命令（注意如果想在自己电脑上跑通代码，就选 CUDA，如果不需要在自己电脑上跑，而是在服务器上跑，或者没有独立显卡，就选 CPU。独立显卡需要 NVIDIA 显卡。这里我们一定要选择和自己版本相同或更低的 CUDA）。

本文使用离线与在线相结合的方式进行安装，也可以直接使用官网的命令安装但是速度很慢，或者修改镜像源后再安装。

前往清华大学镜像源：清华大学 PyTorch 镜像源，手动下载 pytorch、torchvision 以及 torchaudio。注意版本号要对应，本文下载的为：pytorch-1.13.0-py3.9_cuda11.6_cudnn8_0.tar.bz2、torchvision-0.14.0-py39_cu116.tar.bz2、torchaudio-0.13.0-py39_cu116.tar.bz2。py 和 cu 后面的数字分别表示 Python 和 CUDA 的版本号，找到对应版本进行下载即可。

下载好后进入 Anaconda 环境进行离线安装，本文下载路径为 D 盘根目录，在 PyTorch 环境中安装：

1
2
3
4

conda activate PyTorch
conda install --offline D:/pytorch-1.13.0-py3.9_cuda11.6_cudnn8_0.tar.bz2
conda install --offline D:/torchvision-0.14.0-py39_cu116.tar.bz2
conda install --offline D:/torchaudio-0.13.0-py39_cu116.tar.bz2

前往 CUDA Toolkit Archive 下载对应版本的 CUDA 套件（注意如果电脑是 Win10，Version 需要选10）。

下载好后打开程序安装 NVIDIA GPU Computing Toolkit，安装时路径需要使用默认的，即 C:\Program Files\NVIDIA GPU Computing Toolkit 以及 C:\Program Files\NVIDIA Corporation。

安装好后打开命令行检查版本：

1

nvcc -V

进入 PyTorch 环境，安装剩余的包，此处还需要等待一段时间，但是最大的包已经离线安装了所以会快很多：

1

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

打开 Python，输入以下内容进行测试，没有报错即安装成功：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

>>> import torch

>>> torch.cuda
<module 'torch.cuda' from 'D:\\Anaconda3_Environments\\envs\\PyTorch\\lib\\site-packages\\torch\\cuda\\__init__.py'>

>>> torch.cuda.is_available()
True

>>> from __future__ import print_function
>>> x = torch.rand(5,3)
>>> print(x)
tensor([[0.4175, 0.7341, 0.7712],
        [0.3714, 0.4031, 0.8727],
        [0.3453, 0.1515, 0.6602],
        [0.6127, 0.2680, 0.4209],
        [0.0118, 0.3593, 0.7251]])

由于安装好 Anaconda 后顺带装了 Jupyter，但是他默认是装在 base 环境中的，因此我们还需要进入 PyTorch 环境中安装相应的包：

1

conda install nb_conda_kernels

安装好后输入以下命令打开 Jupyter：

1

jupyter notebook

如果在 D 盘启动需要加上路径：

1

jupyter notebook D:

2.2 PyCharm配置PyTorch

在 PyCharm 中设置 Python 解释器，在 Conda 环境中选择现有环境，解释器选择：D:\Anaconda3_Environments\envs\PyTorch\python.exe，Conda 可执行文件选择：D:\Anaconda3\Scripts\conda.exe。

设置好后即可在 Python 解释器选择菜单中找到 Python 3.9 (PyTorch) 选项，应用该环境后可以在底部导航栏打开 Python 控制台，用之前测试过的代码进行测试：

1
2
3
4

>>> import torch

>>> torch.cuda.is_available()
True

接下来需要修改 PyCharm 的终端，使其打开不是 Windows 默认的终端而是 Anaconda 的终端。先找到开始菜单中 Anaconda Prompt 的文件路径，然后查看属性，目标中有一段内容为：%windir%\System32\cmd.exe "/K" D:\Anaconda3\Scripts\activate.bat D:\Anaconda3。

将目标中的路径从 cmd.exe 开始之后的内容复制下来，进入 PyCharm，在文件-设置-工具-终端中修改 Shell 路径：

1

cmd.exe "/K" D:\Anaconda3\Scripts\activate.bat D:\Anaconda3

然后打开终端即可找到熟悉的感觉，即出现了 (base)。