pytorch无坑安装CPU版小白教程(配gpu版链接、conda命令教程)

创建、激活、退出、删除环境

如果想方便管理，避免某些包版本冲突的话，为项目单独创建一个环境是个不错的选择。在anaconda控制台或者cmd中输入以下命令conda create -n pytorch_cpu python=3.6可以创建一个名为pytorch_cpu，Python3.6的环境，环境名可任意取，跟在-n后面。

接着激活该环境conda activate pytorch_cpu，pytorch_cpu就是你想要激活的环境的名称。激活成功后输入指令那行最前面< >中的内容会变为你激活的环境名。如下面base会变成pytorch（我创建的环境名为pytorch）。

再运行下述pip install啊或者conda install等安装包的命令，所有包都将安装到此环境中。

想退出当前的环境执行conda deactivate env_name(环境名),如下：

conda deactivate pytorch

你会发现括号前面的pytorch又会回到base

想某个删除环境（慎重！！！不可逆）
如果进入该环境，一定要先退出环境conda deactivate才能删除（在环境里面无法删除本环境），然后执行
conda remove -n env_name(环境名称) --all如下：

conda remove -n pytorch --all

法一：官网默认指令安装(可能比较慢)

pytorch官网安装链接

我是在Windows系统下用pip安装，语言是Python，安装的是cpu版本（CUDA：None），选择完界面如下。本文讲述cpu版本的安装，gpu版本除了要额外安装cuda和cudnn，其余操作与cpu版本并无差异。红框给出的就是默认指令安装，默认安装torch、torchvision、torchaudio，==后面跟着的就是版本号，你可以选择安装自己想要的包以及喜欢的版本，如果指定了其中一个包的版本如pytorch==1.6.0，其他包的版本会自适应匹配。

接下来将红框内的命令复制到anaconda的控制台按回车安装就行。（当然cmd里面安装也可）

官网安装可能比较慢，因为是用外国的源（-f后面那一串东西）。如果太慢甚至不成功的话，可以试试以下两种方法：更换清华镜像源以及下载包安装。

法二：更换清华源下载

语法：conda config --add channels 你所需的镜像源地址

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/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

# 再加入Pytorch的Anaconda第三方镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

最后运行你想安装的包（install后面可以追加多个包，批量下载）
conda install pytorch torchvision torchaudio也可以指定某个包的版本，pytorch会帮你自动适应其他包版本，如：conda install pytorch==1.6.0 torchvision torchaudio

上述两行命令没有指定安装的源，经过添加清华源操作，会自动使用清华源来下载，速度飞快！

其他镜像源清华镜像源

法三：下载包安装

版本对应问题

这个方法版本一定要对应，在刚才那个官网的链接就可以查看对象的版本信息。在最上方点红框能查看之前的版本，里面有详细介绍哪些版本是配套的。找到自己喜欢的版本复制命令安装即可。

借用一张别人整理好的版本对照图，更详细的还是请到官网查找，毕竟官网是个好东西。

前面说的默认指令安装那条指令中-f后面有一个链接，可以复制打开进去https://download.pytorch.org/whl/torch_stable.html里面是有torch、torchvision、torchaudio以及其他常用包的下载地址，点击即可下载到本地。

里面有太多包，如何快速找到自己想要的那个版本呢，这里有个小技巧——页面查找功能。Ctrl+F，输入关键词即可。

上面两个是我下载好的包。
torch的版本是1.6.0，torchvision的版本是0.7.0，都是cpu的。cp36代表Python3.6版本，win代表Windows系统，链接里也有Linux和Mac系统。

接下来打开pycharm，在界面最下方打开终端Terminal。

然后将路径cd到刚才下载whl文件的那个路径。右击将地址复制为文本。

Windows终端路径切换命令

在终端Terminal输入：cd D:\pytorch即可。如果初始目录不是在D盘则无法完成切换，cd命令只能在同一个盘内进行。这时我们要把路径先切换到D盘。输入D：不用在前面加cd，字母大小写均可，冒号别漏，接着我们再执行cd D:\pytorch便可完成路径切换。切换成功后，输入指令行前面会变成我们想要的路径名，括号内是环境名。

此时输入命令pip install torch先别急着按回车，此时按一下键盘上的Tab键，会自动补全成下面的指令

然后可以按回车进行torch包的安装了。同理，输入pip install torchvision然后按一下Tab键，命令也会自动补全，接着就可以回车安装了。

最后输入pip list发现已成功安装torch和torchvision包。

卸载包

如果用pip 方法安装的话在控制台执行下面这行命令，将torch换成想卸载的包即可完成卸载。

pip uninstall torch

如果用conda方法安装的话在控制台执行下面这行命令，将torch换成想卸载的包即可完成卸载

conda uninstall torch

附录

镜像源其他操作

一、查看镜像源

conda info
# 镜像源显示在channel URLs属性中

这是刚才添加的三个镜像源（一个会生成俩），不纠结！管用就好！

conda config --show
# 镜像源显示在channels属性中

二、添加其他镜像源

#以下两条是Anaconda官方库的镜像
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/
 
# 以下是Anaconda第三方库 Conda Forge的镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
 
#以下两条是Pytorch的Anaconda第三方镜像
# for linux
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

命令执行完后，会生成~/.condarc(Linux/Mac)或C:\Users\USER_NAME.condarc文件

【提示】这个文件夹可以用记事本打开，里面是你所设置的镜像源，如果以后下载包的时候发现提示镜像源不能用了，可以选择在镜像源前面加#
注释掉，或者直接删除。

【注】
网上很多配置conda国内镜像源的教程都只写着只配置清华大学conda的free镜像（https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/），但该源的很多软件包并不是最新版本，为了能更新最新版本，再指定一个清华大学conda的main镜像（https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/），这样就能安装、更新最新版本的软件了。

三、删除镜像源【参考链接这里错误了】

conda config --remove channels后面加你想删除的镜像源地址，如下：

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

四、切回默认源

如果要切回默认源，则执行：

conda config –remove-key channels

conda常用指令

• conda remove --name env_name(环境名) package_name(包名) ：删除虚拟环境中的包
• conda list：查看安装了哪些包。
• conda install package_name(包名)：安装包
• conda env list 或 conda info -e：查看当前存在哪些虚拟环境
• conda update conda：检查更新当前conda

到此这篇关于pytorch无坑安装CPU版小白教程(配gpu版链接、conda命令教程)的文章就介绍到这了,更多相关pytorch安装CPU内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论