写在这里的初衷，一是备忘，二是希望得到高人指点，三是希望能遇到志同道合的朋友。

硬件信息：
系统：win10家庭中文版
CPU：i7-7700HQ
内存：16GB
显卡：GTX1060

一、确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件

CUDA 11.2.135的理解是，当前我安装的显卡驱动最高能支持的CUDA版本是11.2.135。显卡驱动是向后兼容的，新的版本兼容旧的版本
仔细说明请具体查看下边这篇博客：配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系
可知：GTX1060最高能支持CUDA11.2版本,在这里，CUDA10.1比较稳定，pytorch和tensorflow环境配置都支持。

二、打开Anaconda Prompt(Miniconda3)

Miniconda3的环境配置安装可以查看：Miniconda3的环境配置
1）更换北京外国语大学开源软件镜像站

经过亲测，北京外国语大学开源软件镜像站有pytorch比较新的环境包，可以进行下载
在Anaconda Prompt(Miniconda3)窗口复制以下命令（回车执行），生成.condarc 的文件（位置位于用户目录下）

conda config --set show_channel_urls yes

以记事本方式打开.condarc文件，删掉里边全部的东西，然后去https://mirrors.bfsu.edu.cn/help/anaconda/这个地址，复制下边全部内容，然后粘贴到.condarc里保存退出

channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.bfsu.edu.cn/anaconda/pkgs/main- https://mirrors.bfsu.edu.cn/anaconda/pkgs/r- https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloudmsys2: https://mirrors.bfsu.edu.cn/anaconda/cloudbioconda: https://mirrors.bfsu.edu.cn/anaconda/cloudmenpo: https://mirrors.bfsu.edu.cn/anaconda/cloudpytorch: https://mirrors.bfsu.edu.cn/anaconda/cloudsimpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

2）torch这个虚拟环境名称可以自定义

##清楚缓存
conda clean -i
##创建名为torch的虚拟环境，并为该环境安装python=3.8
conda create –n torch python=3.8
##激活名为torch的环境
conda activate torch

三、确定pytorch版本，torchvision版本

方案一：（conda命令进行安装）

1）进入pytorch官网：https://pytorch.org/get-started/locally/

官方源太慢了
2）通过conda命令进行安装

conda install pytorch torchvision torchaudio cudatoolkit=10.1 -c pytorch

等待一段时间安装完毕，就可以进行进行测试

方案二：（pip命令安装）

1）激活名为torch的环境

conda activate torch

2）通过conda命令安装cudatoolkit=10.1，这种可以自动配置环境所需要的驱动
（或可以手动下载安装cuda和cudnn驱动，特别注意版本要一一对应，比较麻烦）

conda install cudatoolkit=10.1

conda list

3）进入pytorch官网：https://pytorch.org/get-started/locally/

pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

官方源比较慢，可以点击网址https://download.pytorch.org/whl/torch_stable.html
查找快捷键（Ctrl+F），输入：torch-1.7.1%2Bcu101，复制下载网址，打开迅雷进行下载
cu101/torch-1.7.1%2Bcu101-cp38-cp38-win_amd64.whl
其他版本的，大家对应下载。

下载完成后，牢记好文件夹位置。
4）切换到下载好的文件夹位置

#切换到E盘（大小写都可以）
e:
#切换到文件夹：
cd+空格+文件夹位置链接
#输完 pip install torch  按“Tab”会自动补全

5）继续安装torchvision和torchaudio（文件不大，官方源就可以）

pip install torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

下载安装完成后，pytorch(GPU版)就配置好了。接下来，进行环境测试。

四、测试

// 代码一
(base)C:\Users>conda activate torch
(torch) C:\Users>python
Python 3.8.5 [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> import torchvision
>>> print(torch.__version__)
1.7.1+cu101
>>> print(torchvision.__version__)
0.8.2+cu101

// 代码二
>>> from __future__ import print_function
>>>
>>> import torch
>>>
>>> x = torch.rand(5, 3)
>>>
>>> print(x)
tensor([[0.3014, 0.8230, 0.3620],[0.8152, 0.3978, 0.2294],[0.3962, 0.1242, 0.5690],[0.7732, 0.7767, 0.3939],[0.4866, 0.9192, 0.0832]])

// 代码三
>>> import torch
>>>
>>> torch.cuda.is_available()
True

以上是自己通过网络查找及自身实践整理所得，大家有更好的建议，可以留言交流！

转载或者引用本文内容请注明来源及原作者

参考
1.【conda教程】【机器学习环境搭建】使用Miniconda管理隔离虚拟Python环境
2. 关于conda环境的配置，看这一篇就够了
3. 配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系
4. 安装PyTorch GPU/CPU 两种方法，各种版本，稳稳的！
5. Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建
6. Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建教程

Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建相关推荐

Miniconda3+Tensorflow2.3(GPU版)+Win10_x64+GTX1060深度学习环境搭建
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录一.确定 ...
保姆级教程——Ubuntu16.04 Server下深度学习环境搭建：安装CUDA8.0，cuDNN6.0，Bazel0.5.4，源码编译安装TensorFlow1.4.0(GPU版)...
写在前面本文叙述了在Ubuntu16.04 Server下安装CUDA8.0,cuDNN6.0以及源码编译安装TensorFlow1.4.0(GPU版)的亲身经历,包括遇到的问题及解决办法,也有一些 ...
腾讯云GPU服务器深度学习环境搭建
Author:ZERO-A-ONE Date:2021-2-20 因为本人的电脑没有带有NVIDIA公司的独立显卡,所以需要用到GPU进行大规模运算加速训练的时候,就萌生了购买云服务进行计算的念头 ...
深度学习-deepin深度学习环境搭建（deepin+gpu+cuda+cudnn）
背景之前分别在windows.mac上做深度学习,发现遇到了重重困难.最近正好赶上换机器,顺便也买了gtx1080的显卡,就直接装了deepin的操作系统(大家都反应还不错,自己实际体验也是众望所归 ...
深度学习环境搭建（GPU）CUDA安装（完全版）
文章目录 1.查询电脑硬件 2.环境搭建与软件安装 1.安装CUDA运算平台软件 2.安装cuDNN支持包 3.配置环境变量 3.验证CUDA与cuDNN安装前几天在看深度学习.因为对深度学习不是很 ...
centos GPU tensorflow pytorch 深度学习环境搭建
简要记录一下深度学习开发环境的搭建步骤,懒得编辑了,将就着吧. 总体流程参考文章:https://www.cnblogs.com/learn-the-hard-way/p/12318980.html ...
Mac Apple Silicon M1/M2 homebrew miniforge conda pytorch yolov5深度学习环境搭建并简单测试MPS GPU加速
目录开始安装零,获取代理一,配置代理配置zsh走代理配置git走代理二,安装homebrew 三,安装miniforge 四,创建conda环境五,安装pytorch 六,运行yolov ...
深度学习环境搭建步骤—gpu
1 了解GPU gpu通过大量线程并行,使得处理深度学习的速度要比cpu快很多,具体gpu概念请点击gpu. 2 查看显卡查看自己的显卡是否支持cuda和cudnn加速深度学习.Intel开头的为集 ...
华为云GPU服务器深度学习环境搭建
Author:ZERO-A-ONE Date:2021-02-26 想了想还是给华为云做一个环境搭建的文档吧,因为某些私人问题下面是本人购买的服务器的配置,选择的是按需付费: 机型: CPU ...

Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建

目录