Pytorch安装（Windows + Python环境）

下载地址

pytorch 的安装可以直接查看官网教程，如下图所示。官网地址：Pytorch官网

版本选择

1. Package：这里推荐采用 Conda 安装，即使用 Anaconda，这样便于管理python包和环境。

LibTorch适用于C++语言，Scource源文件应该没人会下载。
以下是conda和pip的区别：

conda：
包和环境管理的工具，它不仅能管理包，还可以方便地创建多个python虚拟环境，当多个python项目同时开发的时候，每个项目都有自己独立的python开发环境，防止python环境不对应导致代码运行出错。它是类似管理nodejs环境的nvm工具。包括anaconda和miniconda两种发行版，小白建议用前者，后者没有UI界面。
pip：
也是包管理器。pip只管理python的包，但不能管理python的环境，但conda可以安装所有语言的包，并且管理python环境。

关于 Anaconda的下载 可以查看这篇文章 Python 基础入门–简介和环境配置

2. 如何选择CUDA版本

我对以下名词做些简要解释：

GPU：
Graphic Process Unit，图形处理器，是显卡上的一个芯片。CPU负责事物处理和串行计算，GPU则专注于执行高度线程化的并行处理任务（大规模计算任务）。GPU并不是一个独立运行的计算平台，而需要与CPU协同工作，可以看成是CPU的协处理器。
显卡：
Graphics card，显示适配器，是计算机最基本配置、最重要的配件之一。显卡是电脑进行数模信号转换的设备，承担输出显示图形的任务。
CUDA：
Compute Unified Device Architecture，是一种操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个计算平台和编程模型。它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。
CUDA提供了对其它编程语言的支持，如C/C++，Python，Fortran等语言。只有安装CUDA才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。

Windows系统打开NVIDIA控制面板，点击导航栏的帮助-系统信息。

然后就可以在组件部分，查看自己的CUDA型号了。可以看到我电脑CUDA的型号是11.7。
或者在命令行中（win+r，输入cmd）中，进入python环境后，输入nvidia-smi也可以看到自己的CUDA版本信息。

可能的报错和解决方法

按住win+R，输入cmd进入命令行，粘贴命令后即可运行。

1. 如果你出现了“ conda不是内部或外部 ”的提示（如下图），说明你没有把Anaconda添加到环境变量中。可以参考文章conda介绍和安装把三个路径添加到环境变量中。
   
2. 如果你出现了“ failed to create process ”的提示：

原因可能有很多，解决方法也很多，可以看我的另一篇文章Anaconda打不开、闪退 | conda unable to create process | fail to create process。

检查是否安装成功

在命令行中输入python，进入python交互环境，再输入一下代码

import torch
torch.cuda.is_available()

若返回True则成功，若返回False则失败。如果是false，可以参考这篇文章 torch.cuda.is_available() 为false。

参考

参考文章链接：
60分钟快速入门 PyTorch
CUDA是什么-CUDA简介
conda3介绍、安装、使用教程