本文介绍基于Anaconda环境以及PyCharm软件结合，安装PyTorch深度学习框架。

PyTorch深度学习框架详细安装教程

• • 一、anaconda安装
  • • （一）下载
    • （二）安装
    • （三）配置环境变量
    • （四）检查安装结果
  • 二、PyTorch安装
  • • （一）创建虚拟环境
    • （二）激活虚拟环境
    • （三）安装PyTorch
  • 三、PyCharm安装
  • • （一）下载
    • （二）安装
    • （三）激活专业版
    • （四）汉化教程
  • 四、将PyTorch环境添加到PyCharm的解释器

一、anaconda安装

（一）下载

1. 官网下载链接: https://www.anaconda.com/
2. 清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

选择最新版Anaconda3-5.3.0-Windows-x86_64.exe（64位）：

（二）安装

1. 点击next

2. 点击I Agree

3. 选择All Users后，点击Next

4. 选择存放该软件的文件夹（尽量不要放在C盘），点击Next

5. 选择将anaconda加入系统变量（第一个方框打勾）

（三）配置环境变量

如果上面未勾选第一个选项，则需要手动配置环境变量。

1. 打开高级系统设置，点击环境变量

2.双击系统变量的Path

3.点击新建，将下面四个路径依次加入到环境变量中

（四）检查安装结果

按下win键+R键弹出运行框，输入cmd，弹出cmd命令行窗口

1.验证anaconda环境是否安装成功：

conda --version 

2. 查看anaconda已经安装了哪些包

从开始界面找到anaconda prompt，点击启动

输入以下命令：

conda list 

可以看到已经安装了numpy、sympy等常用包。

二、PyTorch安装

（一）创建虚拟环境

1. 打开anaconda prompt，输入以下命令：

conda create -n pytorch python=3.9  

通过conda创建一个名为pytorch的虚拟环境，3.9是python的版本，都可以按自己需求改，一定要指定具体 python 版本。

2. 创建成功后，输入以下命令查看安装的所有环境：

conda info --envs 

（二）激活虚拟环境

输入以下命令：

conda activate pytorch 

当前面从（base）变为（pytorch）时表示此时已经切换到你所创建的pytorch虚拟环境，随后正式进入安装pytorch环节。

（三）安装PyTorch

1. 打开pytorch官网：https://pytorch.org/，点击Get Started

2. 根据官网的提示，选择适合的CUDA版本，并复制command中的命令

3. 打开anaconda prompt命令窗口，进入刚刚所创建的pytorch环境，输入之前复制的命令

这里需要注意的是一定要在（pytorch）这个虚拟环境下运行安装。

三、PyCharm安装

（一）下载

1. 打开pycharm官网：https://www.jetbrains.com/pycharm/download/

2. 下载专业版professional

深度学习的数据量一般很大，一般都是挂服务器上运行代码，而pycharm专业版才可以远程开发。

（二）安装

1.点击next

2. 选择安装位置，尽量不要选在C盘

3. 五个选项全部打勾选上

4. 点击install’

（三）激活专业版

1. 作为学生或者教师可以免费激活，使用期一年，到期了好像还可以再申请，申请链接：link

2. 直接购买（tb或者官方）

（四）汉化教程

1. 打开设置，点击‘File’，点击‘Settings’

2. 点击 ‘Plugins’， 输入‘chinese’，选中‘Chinese (Sinplified) Language Pack/中文语言包’，点击‘Install’

四、将PyTorch环境添加到PyCharm的解释器

1. 打开设置

2.选择python解释器

3.点击添加解释器，选择添加本地解释器

4.选择conda环境，并选择pytorch环境的pytorch.exe解释器

5.点击确定，等待初始化完成后，即可运行相关程序：

import torch import numpy as np arr=np.ones((3,3)) print("arr的数据类型为："+str(arr.dtype)) t=torch.tensor(arr) print(t)