集成显卡笔记本配置Pytorch教程

一、anaconda安装

1.官网下载

点击到官网下载对应系统的版本anaconda

2.安装

• next
  
• 同意
  
• 选择All Users，next
  
• 选择安装路径 D:\anaconda3
  
• 全部打勾，install
  • 🔒创建开始菜单
  • 🔒base环境以python3.12创建
  • 🔒清除包缓存
    
• next
  
• 取消打勾，finish
  

3.环境变量配置

• 搜索栏搜索环境变量
  
• 点击环境变量
  
• 系统变量中找到path，双击打开
  
• 添加这4个路径，一路确定（3次）
  • D:\anaconda3
  • D:\anaconda3\Scripts
  • D:\anaconda3\Library\bin
  • D:\anaconda3\Library\mingw-w64\bin
    

4.测试

• 在开始菜单中搜索anaconda prompt
  
• 输入conda –version，输出对应版本号
  

5.更改anaconda下载的路径和源

• 用上边的命令行窗口输入conda info，可见很多路径都是C盘
  

• 输入命令：conda config –set show_channel_urls yes
  

• 进入资源管理器，C:/用户/用户名，找到.condarc文件，用记事本打开
  

• 输入以下配置，CTRL+S保存

  envs_dirs:  
  - D:\Anaconda3\envs  
  pkgs_dirs:  
  - D:\Anaconda3\pkgs

  

• 创建这两个文件夹
  

• 在命令行中输入以下命令，配置镜像源（一条一条打）

  # 添加清华源
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
   
  
  # 添加中科大源
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  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/
   
   
   
  # （可选）设置搜索时显示通道地址
  conda config --set show_channel_urls yes

• 验证配置是否生效，执行conda info，可见镜像源和保存路径均已更改
  

二、Pytorch安装

1.创建虚拟环境

• 不同的项目可能会需要不同的python版本等，因此为每个项目设置独立的环境是个好的选择
• 打开上述终端，输入conda create -n pytorch_cpu python=3.6
  
• 切换环境
  
• 删除环境（慎重），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 –all

2.安装pytorch

• 进入pytorch官网：点此进入，选择如下，复制那串命令
  
• 到上边的终端下，粘贴并执行
  

3.测试

• 进入上述终端，并切换环境，输入python
  
• 输入如下命令：

  >>> import torch
  >>> import torchvision
  >>> print(torch.__version__)

• 预期输出：

  1.10.2+cpu

• 至此，环境已配好