Anaconda配置各版本Pytorch的实现

1. 前言

利用 anaconda 配置 pytorch 深度学习环境时利用给出的安装指令安装会很慢，而且经常报错，为此整理目前全版本 pytorch 深度学习环境配置指令，以下指令适用 windows 操作系统，在 anaconda prompt 中运行。

2. 配置镜像源

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/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

3. pytorch，torchvision，python 版本对应

pytorch，torchvision，python 三者的对应关系来源于 pytorch 官方 github，链接：

4. 创建并进入虚拟环境

创建一个虚拟环境，其中 pt 是自定义虚拟环境名称，另外根据踩坑经验 python 3.6.5 版本可以适配所有版本的 pytorch，建议创建环境时 python 解释器版本选择 3.6.5 版本。

conda create -n pt python=3.6.5

随后点击 y 同意安装，等待一会进入虚拟环境。

activate pt

5. pytorch 0.4.1

conda install pytorch==0.4.1 torchvision==0.2.1 cuda90  # cuda 9.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda92  # cuda 9.2
conda install pytorch==0.4.1 torchvision==0.2.1 cuda80  # cuda 8.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda75  # cuda 7.5
conda install pytorch==0.4.1 torchvision==0.2.1 cpuonly  # cpu 版本

6. pytorch 1.0.0

conda install pytorch==1.0.0 torchvision==0.2.1 cuda100  # cuda 10.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda90  # cuda 9.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda80  # cuda 8.0
conda install pytorch-cpu==1.0.0 torchvision-cpu==0.2.1 cpuonly  # cpu 版本

7. pytorch 1.0.1

conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0  # cuda 9.0
conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0  # cuda 10.0
conda install pytorch-cpu==1.0.1 torchvision-cpu==0.2.2 cpuonly  # cpu 版本

8. pytorch 1.1.0

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0  # cuda 9.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0  # cuda 10.0
conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly  # cpu o版本

9. pytorch 1.2.0

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0  # cuda 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly  # cpu 版本

10. pytorch 1.4.0

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1  # cuda 10.1
conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly  # cpu 版本

11. pytorch 1.5.0

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1  # cuda 10.1
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.5.0 torchvision==0.6.0 cpuonly  # cpu 版本

12. pytorch 1.5.1

conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1  # cuda 10.1
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly  # cpu 版本

13. pytorch 1.6.0

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1  # cuda 10.1
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly  # cpu 版本

14. pytorch 1.7.0

conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1  # cuda 10.1
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=11.0  # cuda 11.0
conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly  # cpu 版本

15. pytorch 1.7.1

conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=9.2  # cuda 9.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.1  # cuda 10.1
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=11.0  # cuda 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 cpuonly  # cpu 版本

16. pytorch 1.8.0

conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=11.1  # cuda 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 cpuonly  # cpu 版本

17. pytorch 1.9.0

conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=10.2  # cuda 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1  # cuda 11.1
conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly  # cpu 版本

18. 测试是否安装成功

cpu 版本测试：继续运行 python 进入交互式环境，分别运行 import torch，import torchvision 不报错则安装成功。
gpu 版本测试：继续运行 python 进入交互式环境，分别运行 import torch，import torchvision 不报错，再运行 print(torch.cuda.is_available()) 输出 ture 则表示安装成功。

到此这篇关于anaconda配置各版本pytorch的实现的文章就介绍到这了,更多相关anaconda配置pytorch内容请搜索www.887551.com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www.887551.com！

黄山市民网：https://www.huangshanshimin.com/

目录