Pytorch环境详细安装教程【Win10+CUDA升级11.6+cudNN+Anaconda3虚拟环境+pycharm】
欢迎来到PyTorch环境配置指南，本教程专为Windows 10用户设计，旨在帮助您从零开始，一步步搭建高效的深度学习开发环境。无论你是初学者还是已经有一定经验的开发者，通过本文档，你将能够顺利完成PyTorch及其相关依赖的安装，包括最新的CUDA 11.6和cudNN的适配，以及如何在Anaconda3虚拟环境中进行操作，最后集成到PyCharm这一强大的IDE中，让你的深度学习之旅更加顺畅。
前提条件
- 操作系统: Windows 10 64位
- 硬件需求: NVIDIA GPU（支持CUDA）
- Python版本: 推荐Python 3.7或更高版本
- 工具软件: Anaconda3、PyCharm Community/Professional Edition
安装步骤
1. 安装Anaconda3
首先，访问Anaconda官网下载最新版Anaconda3，并按照官方指引完成安装。记得在安装过程中勾选“添加到PATH环境变量”选项。
2. 创建虚拟环境
打开Anaconda Prompt，创建一个名为pytorch_env的新虚拟环境，指定Python版本：
conda create -n pytorch_env python=3.7
激活虚拟环境：
conda activate pytorch_env
3. 安装PyTorch与CuDNN
根据你的系统配置（CPU/GPU, CUDA版本），访问PyTorch官方网站的安装指令页获取适合的命令。对于CUDA 11.6，执行如下命令（以GPU为例）：
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch
4. 升级CUDA（如果已安装旧版本）
确保遵循 NVIDIA 的官方指南来安全升级CUDA至11.6。卸载旧版本后，从官方网站下载并安装CUDA 11.6工具包。
5. 安装cudNN
前往NVIDIA官网下载对应CUDA 11.6版本的cudNN库，解压并将库文件复制到CUDA的相应目录下。
6. 集成PyCharm
- 在PyCharm中，创建一个新的项目，选择之前创建的虚拟环境作为解释器。
- 确保所有必要的库已经在虚拟环境中安装。
测试环境
安装完成后，可以通过运行以下简单的代码片段来测试PyTorch是否正确安装：
import torch
print(torch.__version__)
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(f'Using {device} device')
若一切顺利，你应该能看到PyTorch的版本号，并确认GPU是否可用。
以上便是完整的PyTorch环境配置流程。遇到具体问题时，详细的解决办法可参考原始文章在CSDN上的详细说明。祝您配置成功，编程愉快！