长春建设工程管理中心网站广州做内销鞋的网站
背景介绍
目前主流使用的工具有Facebook搞的pythorch和谷歌开发的tensorflow两种，二者在实现理念上有一定区别，pytorch和人的思维模式与变成习惯更像，而tensorflow则是先构建整体结构，然后整体运行，开发调试过程较为繁琐，但好处是复用部署较方便，本质是其二者分别使用动态、静态图的区别。
安装Anaconda
Anaconda是python的包管理工具，并且允许创造多个虚拟环境，用以分别安装不同的python版本及包，相当于是python环境的虚拟机。
官网下载地址在此
下载后按照推荐步骤安装即可
第二个选项是将anaconda本身的python环境等信息添加到系统变量中，不推荐是怕引发环境变量错误，所以我们需要分别手动添加安装目录anaconda，安装目录下的\Scripts和Library\bin目录添加到系统变量中：
安装完成后，可在系统中搜索Anaconda，或Jupyter Notebook，可找到如下文件：
以后仅使用Jupyter Notebook和Anaconda Prompt，将其发送到桌面即可，此时打开Prompt即可进入anaconda的虚拟环境，示例如图：
常用命令如下：
清屏 cls
列出所有环境 conda env list
列出所有库 conda list
创建环境 conda create -n 环境名 python=版本号
删除环境 conda remove -n 环境名 --all
进入环境 conda activate 环境名
退出当前环境 conda deactivate
创建环境时会自动安装需要的组件和库，下载即可，此时再列出环境可见如下所示：
安装CUDA
随着神经网络等人工智能算法和大数据技术的发展，计算量越来越大，仅靠cpu的处理已经不能满足训练需要，我们使用中多通过专门负责图像处理的显卡来加速训练过程，所以在pytorch的安装中我们需要使用显卡加速功能——cuda，加速显卡和cpu并行计算功能的平台，该技术目前仅支持英伟达显卡。
首先在cmd命令中输入nvidia-smi查看显卡驱动API的CUDA版本：
cuda下载网站
该显卡CUDA版本为12.2，下载的新cuda平台不应高于该版本，故下载如下版本：
安装时仅选择CUDA即可：
安装完成后可通过nvcc -V命令查看cuda版本：
安装pytorch
pytorch的本质是三个库，torch、torchvision和torchaudio，torch最大有1G左右，另外两个只是补充的附件，所以工程中我们一般只import torch即可。
直接到其官方网站寻找下载资源，根据需要的版本生成指令，
然后到conda prompt虚拟环境中输入该指令即可直接下载，网络情况较好可直接使用，否则可使用镜像源，或到命令中的url手动下载，再使用pip命令手动安装。
安装完成后输入conda list查看所有库，出现如下图说明安装成功
在环境中打开python，查看能否导入，示例如下则说明安装成功：
报错解决——fbgemm.dll
这里我重新创建了新的名为pytorch，python版本为3.9的环境，因为之前尝试了3.12和3.11的均在导入时报错缺少fbgemm.dll" or one of its dependencies.，在目录下是有这个文件的，用dll组件查看发现依赖缺少很多文件，不是能一个个找到再添加的了，也有说法是电脑缺少C++的运行环境，但在本机中查看是装了的，卸载重装也没用，最后想到是不是可能版本不对应，分别尝试了不同的pytroch版本和CUDA版本，最后试了环境本身的python版本降到3.9才成功，可官网明明白白写着支持3.12，具体咋回事就不明白了，暂时有的用就是好的。
连接pycharm
直接上图
如图可见在pycharm中可用pytorch，并可以使用cuda加速。
总结
pytorch安装主要分三步，
1，包管理工具Anaconda用于管理组件，创造虚拟环境；
2，安装加速平台CUDA，主要涉及显卡cuda版本和安装cuda平台版本的关系；
3，安装pytorch，要与安装CUDA对应。
其中CUDA要注意版本向下兼容，顺序分别为显卡驱动API的CUDA版本—安装cuda平台的运行API版本—pytorch版本，版本可依次递减，但后不可大于前。
而pytorch除了要与CUDA对应外，还需注意与Anaconda的python版本对应，当然一般用旧的没什么问题，可那还怎么进步呢，只追求稳定，人类现在可能还用石头火把呢。
安装环境难的就在不同组件之间的配合，版本低了高了，语言和选项等选不对造成安装出错，如果要改就很麻烦，本人在配置过程也折腾了很长时间，就因为不想按教程装老版本，又没有提前搞清楚各个组之间的对应关系，导致不必要的时间浪费在改错上，还不如从头开始了，任务真正开始之前的准备工作还是做充分。