前言
学习的时候遇到几个机器学习相关的项目，由于不同的项目之间用到的依赖库不太一样，于是想利用conda为不同的项目创建不同的环境方便管理和运行，结果在装torch的时候装了半天，浅浅的记录一下
conda
关于conda的介绍和用法这里不再赘述，只需要指导conda可以创建不同的虚拟环境，方便依赖库不同或有冲突的项目能够在各自的虚拟环境里独立运行，相关资料可以引用下面的博文：
创建虚拟环境
配置好conda的环境变量之后就可以通过以下命令创建虚拟环境了，这里以python3.8为例，name这里为创建的环境的名：
conda create -n [name] python=3.8
#例如
conda create -n skincare python=3.8
激活环境，cmd下使用activate命令打开conda环境
activate [name]
安装torch
在安装torch的时候最好是能想清楚这个机器学习项目是用CPU来跑还是用GPU来跑，笔者这里以GPU为例展示安装过程
首先利用nvidia–smi命令查看机器上GPU的相关信息，比较关键的是这个CUDA的版本，比如这里最高支持的CUDA版本是11.6，在安装torch的时候可以尝试选择cu116或以下的版本
torch官网在线安装
在官网上选择好torch的操作系统，安装方式，安装版本等信息，复制安装命令进行安装
在线安装的话对网络环境要求比较高，尤其是当安装文件比较大的时候，因此如果多次在线安装失败可以尝试离线手动安装
离线手动安装
打开网址：https://download.pytorch.org/whl/torch_stable.html
主要是要注意选择合适的版本，cpu表示CPU版本的，cuxxx表示CUDA版本的，cp37表示python3.7版，选择torch对应的版本号以及操作系统版本，进行下载
根据torch官网的安装命令，笔者下载了pytorch、torchvision、torchaudio三个安装文件
下载好之后利用pip命令进行安装（注意1.需要先安装torch再安装其他whl，2.利用了conda虚拟环境的话需要先开启进入环境再安装）
测试是否安装成功
打开python解释器，导入库不报错则安装成功
检测GPU是否可用
print(torch.cuda.is_available())
print(torch.__version__)
至此安装完成
后记
原文地址:https://blog.csdn.net/monster663/article/details/128613693
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_30840.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
