安装pytorch步骤

1. Anaconda安装

安装步骤：

官网下载anaconda安装包https://www.anaconda.com/distribution/#download-section；
下载好安装包之后，点击运行安装包；
选择安装路径，切记要勾选Add Anaconda to the system PATH environment variable，等待安装完成；
验证安装成功，打开cmd，输入conda，回车；验证是否将anaconda添加到环境变量中，打开cmd，输入conda list；
添加中科大镜像

2.Pycharm安装

官网下载安装包https://www.jetbrains.com/pycharm/
运行pycharm-professional-2019.2.3.exe
选择路径，勾选Add launchers dir to the PATH，等待安装完成

激活步骤

下载破解文件：https://pan.baidu.com/s/112tS3XjAENIHaJ-aSCe0dA#list/path=%2F
将jetbrains-agent,jar放到pycharm安装目录中\bin文件夹
创建空项目，在pycharm64.exe.vmoptions中添加命令-javaagent:安装目录\jetbrains-agent.jar
重启，完成激活

3.PyTorch安装

检查是否有合适GPU，若有，需安装CUDA与CuDNN
CUDA与CuDNN安装
下载whl文件，登录https://download.pytorch.org/whl/torch_stable.html
下载pytorch与torchvision的whl文件，进入相应虚拟环境，通过pip安装
在pycharm中创建hello pytorch项目，运行脚本，查看pytorch版本

进入pytorch官网，点击顶部的Get Started，可以看到pytorch支持的CUDA版本有9.2和10.0；

选择其中的9.2版本进行下载：developer.nvidia.com/cuda-92-download-archive

选择相应的操作系统：

之后点击下面的第一个安装文件进行下载：

下载完CUDA之后进入CuDNN的下载：https://developer.nvidia.com/cudnn

下载cudnn需要先登录才能下载，如果是第一次进入这个网站，需要先注册，然后登录进行下载；

登录之后直接点击下载按钮进行下载：

选择前面匹配的CUDA9.2和window10操作系统的CuDNN进行下载：

运行下载好的CUDA安装包，采用默认安装路径，安装完成之后验证CUDA是否安装成功。

首先进入到安装路径下，复制安装路径：

进入到cmd命令窗，切换到安装路径下：

然后执行nvcc -V输入，回车；如果CUDA安装成功，会有以下情况出现；

接着安装CuDNN，解压之前下载的CuDNN安装包，将同目录下的cuda文件夹中的三个文件夹进行复制：

然后粘贴到CUDA安装目录下：

通过以上操作，CuDNN即安装完成；然后需要进入到demo_suite文件夹执行两个程序来查看CuDNN是否安装成功；

在命令行中输入demo_suite文件夹的地址，如下图所示：

接着调用文件夹中的bandwidthTest.exe文件，得到下面的图，如果Result的值是PASS的话，说明安装成功；

接着查询设备，调用demo_suite文件夹中的deviceQuery.exe文件，在命令行中输入deviceQuery.exe，可以看到GPU的型号和result=PASS，表示CUDA和CuDNN都已经安装成功，具体如下图所示：

安装pytorch
进入pytorch官方网站，点击网站上的Get Started功能

可以看到很多安装选项，有很多操作系统，可以通过conda和pin安装，根据前面的安装过程，我们选择window操作系统，通过pin安装，选择Python3.7，CUDA9.2。选定之后，可以看到安装命令中有一个网站，推荐从网站里面下载安装文件，这样下载速度会非常快。

复制Run this Command中的网站，在新的网页打开该网站地址，可以看到该网站中有非常多版本的torch安装文件，这些命名都是很有规律的；第一项是CUDA或者是CPU，我们需要的版本是cu92/torch-1.2.0%2Bcu92-cp37-cp37m-win_amd64.whl，cp37指的是python的版本，点击下载该文件即可。

同样，搜索下载torchvision的安装文件，torchvision目前最新的版本是0.4.0，找到对应的下载文件cu92/torchvision-0.4.0%2Bcu92-cp37-cp37m-win_amd64.whl进行下载。

下载好以上两个文件之后，打开pycharm，创建一个python项目，命名为"hello pytorch"；

创建一个python的脚本，点击file，点击new，命名为"hello pytorch"

在代编辑区输入以下代码，点击运行：

import torchprint("hello pytorch {}".format(torch.__version__))

可以看到会显示报错，找不到torch这个工具包。因为在当前的环境中，没有安装pytorch，现在需要用conda创建一个虚拟环境，在虚拟环境中安装pytorch。

点击pycharm左下角的terminal选项，如下所示：

在操作区中使用conda创建一个虚拟环境，输入conda create -n pytorch_gpu python=3.7，回车，等待环境创建完成，具体如下所示：

采用上图中的命令conda activate pytorch_gpu激活虚拟环境，具体如下：

可以看到，在最前面出现了pytorch_gpu，这意味着我们进入了该虚拟环境，然后进入到之前下载的两个文件的存放目录中，目录存放地址如下所示。

在pycharm中的terminal中进入该文件所在位置，如下图所示，输入cd F:\pytorch:

进入目录后，通过pin install + “文件存放的绝对地址”进行cuda的安装，如下图所示：

对于另外一个whl文件，使用同样的方法进行安装，通过pip install + "文件绝对地址"进行安装，如下图所示：

安装完成之后，重新运行一遍程序还是不能运行的，因为目前安装的pytorch_gpu并没有关联到当前的项目当中，需要进行设置。

选择file选项中的setting进行设置，在项目解释器中的project Interpreter中添加刚刚创建的pytorch_gpu当中的解释器。

点击右侧齿轮中的ADD进行添加，选择conda的环境，选择已经存在的环境，找到pytorch_gpu这个虚拟环境的文件夹，打开这个文件夹，可以看到里面有两个exe文件，选择第一个exe文件，点击OK即可。

这样就可以把把pytorch_gpu这个虚拟环境关联到当前项目中，点击OK。然后返回编程界面，稍等片刻让软件进行初始化。初始化完成后，运行程序，根据输出可以看到pytorch安装成功，版本是1.2.0，cuda是9.2版本。

接着可以查看是否支持GPU，在代码中输入

import torchprint("hello pytorch {}".format(torch.__version__))print(torch.cuda.is_available())  //检查GPU是否可用，返回一个bool值

可以看到其输出为：

证明GPU可以。以上就是pytorch安装的整个过程。