使用conda和pip安装pytorch conda安装ipython

pytorch是流行的机器学习库，之前每次安装时，都会花费不少的时间。但是最近我发现其实pytorch的安装现在已经非常简单了,这里和大家分享一下如何正确的使用conda和pip安装pytorch，减少工具部署的时间。

安装测试环境这里使用windows10

安装minconda

安装miniconda的原因是我的电脑上安装了很多版本的python。而minconda包含了conda，python以及少量的基础库，占用硬盘空间小。使用conda可以让你在python3.8-3.11之间快速的切换减少安装等待，而不同的机器学习库需要不同的python版本和不同的依赖库版本，所以每次新建一个虚拟环境是一个很好的习惯。

进入miniconda官网下载安装包

https://docs.conda.io/en/latest/miniconda.html

可以选择最新的版本下载即可，安装包的python版本并不会影响我们安装的python环境的版本。miniconda安装过程中可以选择将conda加入本机的环境变量方便调用。

创建python运行环境

选择一个文件夹，并打开cmd控制台窗口，在控制台内输入如下命令

conda.exe  create --prefix  .\pythonenv python=3.11

根据提示确认完成后在当前目录下生成了一个新的python的运行环境，文件夹名字是pythonenv，使--prefix参数作用是实现在指定目录建立python环境，推荐使用。

激活环境

在cmd控制台窗口，输入如下命令激活我们刚刚创建的python环境pythonenv

conda.bat activate .\pythonenv

conda.bat在你安装的conda目录的condabin中，推荐将这个目录也加入你的电脑的环境变量的path中方便使用。\pythonenv就是上一步创建的虚拟环境名字，也就是文件夹的名字。

激活成功后你的虚拟环境的名字出现在cmd提示符的最前面

这时你就可以任意切换文件夹，都处于你的虚拟环境中。

安装pytorch

进入pytorch官网选择你需要的带CUDA支持的pytorch版本，例如我选择的如下命令

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

在安装pytorch之前我需要提前安装cuda工具包吗

说了这么多其实我就是想重点说一下这个地方。答案是不需要，使用pip安装带有CUDA支持的pytorch时，pip会将所有需要的CUDA运行时都安装在你的torch目录中，因此你并不需要提前安装CUDA工具包。之前我没有注意到这点时每次都是安装CUDA工具包，安装CUDNN等步骤每次下载加安装需要花费很多的时间。

安装pytorch后在你的python的库目录\Lib\site-packages\torch\lib下你会发现，pip为你安装的cuda库。

但是需要注意的尽管你不需要提前安装CUDA工具包，但是你可能需要更新你的GPU显卡驱动来支持新版本的CUDA的功能。

检查CUDA是否可用

使用如下代码检查你安装的pytorch是否可以正常使用GPU

import torch
torch.cuda.is_available()

这将返回一个布尔值，表示是否有可用的 CUDA 设备。如果返回 True，则表示你的系统配置支持 GPU 加速。

总结

本文我们介绍了使用conda创建虚拟环境，并且使用pip安装pytorch的gpu版本，重点介绍了安装带有CUDA支持的pytorch不需要提前安装CUDA工具包和CUDNN。