安装Pytorch及配置Pycharm

PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。 本文详细介绍安装Pytorch步骤和Pycharm配置。

安装Anaconda后，使用命令行模式，
创建环境

conda create -n pytorch python=3.7

但是一致报https连接不上

找了很多方法都无法解决，最后使用这种方式解决了
原文地址 https://github.com/conda/conda/issues/8273

大意是：conda找错了openssl的地址，conda在Anaconda\DLLs目录下寻找openssl的dll文件，但实际上需要的dll在Anaconda3\library\bin目录下。因此只需要将这两个文件复制到 Anaconda\DLLs下即可。

根据提示复制两个dll到指定目录。
D:\tools\anaconda\Library\bin —>D:\tools\anaconda\DLLs

再次创建环境conda create -n pytorch python=3.7 -n 后面的是环境的名字自定义
选择是
使用命令，conda env list查看环境

然后我们输入命令进入pytorch环境

conda activate pytorch

为了提升下载速度，使用国内的下载源

清华源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/conda config --set show_channel_urls yes

中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/conda config --set show_channel_urls yes

每一行命令都输入后之后，然后使用命令，查看新的下载源是否生效

conda config --show-source

接下来安装Pytorch,在官网中找到适合自己的版本，https://pytorch.org/get-started/previous-versions/

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

时间比较长最后出现这个页面代表安装完成

退出pytorch环境

conda deactivate

查看环境信息

conda info -e

验证pytorch安装成功
进入pytorch环境中

import torch

torch.cuda.is_available() 验证cuda是否正常运行，我这没有安装cuda，所以这是False

卸载pytorch环境

conda remove -n pytorch --all

配置pycharm

安装ipython ，进入到环境中

conda install nb_conda

安装后输入命令

jupyter notebook

会自动弹出jupyter，同样可以在里面输入下面代码，验证torch是否安装成功，GPU是否可以在这个环境可用。

import torchtorch.cuda.is_available() 

torch.cuda.is_available() 显示的是False原因
查看pytorch1.11，驱动版本需要大于多少，
如果我们的驱动版本小于这个值，就需要升级驱动，

nvidia-smi

两种方式一种通过各种软件管家进行升级，第二种通过https://www.nvidia.cm找到对应的驱动下载后，直接安装即可，然后再回来看驱动版本是否大于