Windows11环境下配置深度学习环境（Pytorch）

1. 下载安装Miniconda

下载安装包：镜像文件地址
将Miniconda相关路径添加至系统变量的路径中。
打开Anaconda Powershell Prompt，输入conda --version

2. 新建Python3.9虚拟环境

新建虚拟环境命令： conda create -n conda_name python=x.x(带python版本的)

新建python39环境:conda create -n python39 python=3.9

进入python39环境：conda activate python39

添加清华镜像网站到Anaconda：

bash 复制代码

conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

如果需要 jupyter notebook可以使用conda或者pip命令进行安装：

bash 复制代码

pip install jupyter notebook

在当前目录下输入 jupyter notebook即可打开。

3. 下载英伟达驱动

下载nvidia驱动软件：官网下载，登录，下载驱动。（判断自己的电脑是否有英伟达的显卡，没有显卡不需要安装驱动。）
windows+R，输入cmd，打开命令行，输入nvidia-smi，查看显卡驱动信息。

这里的CUDA version：12.3代表Cuda driver version是12.3，是与显卡的驱动相关的。

4. 安装CUDA版Pytorch

判断自己的电脑是否有英伟达的显卡，没有显卡不需要安装CUDA。

确定显卡算力

显卡由 GPU、显存等组成，大部分情况下我们所说的 GPU 就等同于显卡，但是实际情况是 GPU 是显示卡的"心脏"、核心零部件、核心组成部分。GPU 本身并不能单独工作，只有配合上附属电路和接口才能工作，这时候，它就变成了显卡；
显卡算力 是指显卡处理信息的能力。

找到显卡对应算力：算力查找
CUDA Runtime 是以 CUDA Driver 为基准开发的运行时库；
CUDA Runtime Version 是指 CUDA 运行时的版本，也就是这一部分需要确定的 CUDA 版本。

CUDA Driver Version 和 CUDA Runtime Version 要充分发挥显卡的算力，此外，CUDA Driver Version 还要满足 CUDA Runtime Version 的某些新功能，所以三者之间的关系需要满足："显卡算力对应的 CUDA 版本≤CUDA Runtime Version≤CUDA Driver Version"。

在pytorch官网选择你要安装的版本信息，选择pip或者conda安装方式，然后下面会显示你需要安装的安装命令。

复制代码到powershell,注意要删除-c pytorch（不删除默认使用官网网站地址下载，删除之后下载要快一些，网速好也可以不删除）：

bash 复制代码

#原本
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
#删除之后
conda install pytorch torchvision torchaudio pytorch-cuda=12.1  -c nvidia

查看是否安装成功：

python 复制代码

import torch
print(torch.__version__)

5. CPU版本pytorch安装

在pytorch官网选择你要安装的版本信息，选择pip或者conda安装方式，选择CPU版本，然后下面会显示你需要安装的安装命令。
复制代码到powershell,注意要删除-c pytorch（不删除默认使用官网网站地址下载，删除之后下载要快一些，网速好也可以不删除）：

bash 复制代码

#原本：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
#删除之后
conda install pytorch torchvision torchaudio cpuonly -c pytorch

查看是否安装成功：

python 复制代码

import torch
print(torch.__version__)