Windows下配置pytorch环境

最近跑模型时不小心安装了一些包，导致原来的依赖包都变了，运行时各种报错，最后采用最暴力解决办法：卸载Anaconda和pytorch，重新安装。历经三次卸载和安装，最后终于成功了，写一篇博客记录安装anaconda和pytorch的方法。

Anaconda安装（推荐python3.7版本）

Anaconda官网：
最新下载地址（不推荐使用最新的python版本，因为最新版在安装一些依赖包时可能会出错）
Anaconda所有历史版本
下载这个版本即可：

pytorch安装

首先需要在anaconda的base环境中创建一个虚拟环境：

conda create -n pytorch python=3.7

这里如果不清楚python版本号的话可以先在终端中输入python查看：

创建完虚拟环境后，就可以上官网上下载pytroch了

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

使用-c python 安装会强制进入python官网进行下载，速度非常慢，建议配置清华源镜像后再下载。

清华园镜像：

在终端中输入以下命令，生成.condarc文件

conda config

查看.condarc中的下载源

conda config --show channels

配置下载源

# 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/
 
# 添加阿里云镜像源
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
 
# 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/
 
 
 
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

最后再运行：

conda install pytorch torchvision torchaudio cudatoolkit=10.2

注意！！！如果是在Linux环境下，需要将上面的https换成http，不然安装环境时会报错！！！

最后，在pycharm上更换新创建pytorch环境：



按照我这个方法安装下来，必定成功。不过要是跑一些pytorch框架的模型，torchvision会报错，会有No module named ‘torchvision.models.utils‘，此时就需要检查torchvision版本，在终端输入 pip list 检查，若大于0.4：
更换下面的语句：

from torchvision.models.utils import load_state_dict_from_url 

改为：

from torch.hub import load_state_dict_from_url

若小于0.4，不要先着急升级torchvision版本，因为torch和torchvision版本是有对应的，如果随意更换torchvision版本可能会导致GPU不能使用，下面是torch和torchvision对应的版本：

pytorch	    torchvision	         python	                            cuda
1.8.0	      0.9.0	             >=3.6	                         10.2,11.1
1.7.1	      0.8.2	             >=3.6	                     9.2, 10.1,10.2,11.0
1.7.0	      0.8.0	             >=3.6	                     9.2, 10.1,10.2,11.0
1.6.0	      0.7.0	             >=3.6	                        9.2, 10.1,10.2
1.5.1	      0.6.1	             >=3.6	                        9.2, 10.1,10.2
1.5.0	      0.6.0	             >=3.6	                        9.2, 10.1,10.2
1.4.0	      0.5.0	             ==2.7, >=3.5, <=3.8	           9.2, 10.0
1.3.1	      0.4.2	             ==2.7, >=3.5, <=3.7	           9.2, 10.0
1.3.0	      0.4.1	             ==2.7, >=3.5, <=3.7	           9.2, 10.0
1.2.0	      0.4.0	             ==2.7, >=3.5, <=3.7	           9.2, 10.0
1.1.0	      0.3.0	             ==2.7, >=3.5, <=3.7	           9.0, 10.0
<1.0.1	      0.2.2	             ==2.7, >=3.5, <=3.7	           9.0, 10.0