Pytorch安装（Anaconda配置虚拟环境）

最近在学习Pytorch，一开始配好了环境，今天又突然不能用了，只好重配。
之前跟着一本讲Keras和tf的书在Anaconda下配置了tensorflow的虚拟环境，这次希望能建立单独的Pytorch虚拟环境。由于我的anaconda prompt和jupyter都是tensorflow虚拟环境的（如下图，这个还不清楚是怎么回事），不知道能否用于创建新的虚拟环境，所以从anaconda navigator创建。

p.s.以下都是windows下的操作。
p.s.关于conda: conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换（是一个工具、一个可执行命令）。anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。

1. 虚拟环境的创建

方法一：Anaconda Navigator-Environments。如果之前没有创建过任何虚拟环境，这里只会有一个base(root)。点击下方的create，创建一个叫做pytorch的虚拟环境。
方法二：利用命令行

conda create -n pytorch python=3.6

2. 安装Pytorch

创建完成虚拟环境之后就是安装各种你要在这个虚拟环境里使用的包了~
方法一：在Anaconda Navigator中（上图右侧）查询pytorch、torchvision和torchtext等，点击Apply。缺点：极慢。
方法二：利用命令行。优点：更加灵活、可以更改包的版本和其他配置）。
首先去官网选择，这里还是选择用conda命令而非pip。

首先激活虚拟环境：

activate pytorch
# 激活成功后路径前会带有虚拟环境的名称，如 (pytorch) D:\pythonwork>python

将最下面命令贴在cmd里运行：

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

然后你会发现各种ReadTimeoutError…官网下载实在是太慢了！
解决安装慢的问题：一个有效的方法是添加镜像源，可以用清华或者中科大的。
首先检查自己是否已经安装镜像源：

conda config --show

可选用的源：（建议都安装）

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

安装源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
# 你也可以用其他镜像源，不过如果镜像地址中有引号，一定要去掉# 可以设置搜索时显示通道地址
conda config --set show_channel_urls yes

解决’配置镜像源之后安装仍然很慢’的问题：再使用conda install命令，发现…怎么还是这么慢？？
上述命令的-c pytorch参数默认从conda源下载！去掉就行了。

conda install pytorch torchvision cudatoolkit=10.1

3.检查是否安装成功

import torch
import torch visionprint(torch.__version__) # pytorch版本
print(torch.version.cuda) # cuda版本
print(torch.cuda.is_available()) # 查看cuda是否可用

注1：pip同样也可以换源，没有安装anaconda的小伙伴可以查相关博客。
注2：如果你的torch.cuda.is_available()输出的是False：首先，在任务管理器/设备管理器查看自己的显卡型号。目前只有NVIDIA的部分显卡支持CUDA（支持列表），没有的话只能先用着cpu版本的pytorch（也基本够用啦，小型网络据说还更快）。其次，安装命令需要选有CUDA版本的。最后，显卡驱动要大于396.26。具体可参考最后一条参考文献。

感谢下面几篇博客，给我指了一条明路。

pytorch慢到无法安装，该怎么办？https://cloud.tencent.com/developer/article/1588508
anaconda虚拟环境配置pytorch框架：https://blog.csdn.net/m0_37240250/article/details/84402102
各种conda命令的使用：https://www.cnblogs.com/chester-cs/p/11824433.html
为什么 torch.cuda.is_available() 是 False：https://www.cnblogs.com/zhouzhiyao/p/11827267.html

> 最近因为pandownload事件和朋友圈里的一些讨论，对互联网精神有一些思考。很遗憾，我对曾经风靡的博客、bbs、论坛，对那些留言区里的观点有多么激烈交锋、第一代网民有多么热衷于分享讨论所知甚少，但通过同学的描述我大概意识到何为开放共享、何为人人为我我为人人的精神。现在的互联网确实不是以前那个样子了。还有多少人在用bbs和论坛呢？对于博客，又有多少人是看一看别人的博文、解决了自己的问题就万事大吉了呢？
> 这是我的第一篇博客，没想到这么容易上手，大概是之前写过markdown的原因吧。决定写博客的原因很简单，一个是对于一些bug和小知识点，可以通过博客记录下来内容和解决过程，会有一点小小的成就感；另一个就是对互联网精神的感悟，希望不仅是互联网的受益者，也能是互联网的贡献者、分享者。