三十分鐘在Windows10安裝Anaconda+Pytorch+Cuda，老式Nvidia GTX遊戲顯卡實測可用

2020年疫情肆虐，今年春節只能宅在家，主要做了一件事：把去年一整年缺的覺好好的補了回來！哈哈，開玩笑，確實在家也休息了一個星期了，這幾天搗鼓了一下在自己老式的臺式機上安裝Pytorch，打算稍微有空的時候玩（學習）一下。我的機器是Windows10系統+Nvidia GTX960顯卡，採用Anaconda安裝，解決幾個小問題後基本上可以說是一鍵安裝使用，非常方便。記錄一下，方便同學們查用。我安裝的版本沒有選擇最新版本，最後安裝下來的是CUDA9.0+Pytorch1.1，我想也基本夠用了。有的時候最新版本往往不穩定，並且擔心我的顯卡太老不支持最新的CUDA版本之類，就沒有選擇嘗試最新版本，也是給自己省事了。

1. 安裝Anaconda 3.5

推薦使用清華的鏡像來下載。選擇合適你的版本下載，我這裏選擇Anaconda3-5.1.0-Windows-x86_64.exe。安裝比較容易，大致如下：

這裏第一個鉤我沒有選，後面再人工添加Path。

VSCode看情況吧，免費的，想要就裝，我是沒有裝。因爲Anaconda裝完自帶一個IDE Spyder，我感覺在家裏隨便玩玩用用夠用了，不需要VSCode。

安裝完成後，進行Anaconda的環境變量配置，右鍵我的電腦->高級系統設置->環境變量->系統變量找到Path，加入三個文件夾的存儲路徑，步驟如下。（順便把NVSMI的路徑也放一下，這樣後面隨時可以打nvidia-smi來查看GPU情況）

至此，Anaconda 3.5 windows版就安裝設置好了，打開程序找到Anaconda Navigator，啓動後可以看到：

東西很多，前面4個默認安裝的就夠用拉一般。安裝完成後，默認會建立一個base的虛擬環境，在cmd下可以看見，也可以在Anaconda裏面看見。我默認就裝在base環境裏面了（如果沒有指定激活任何環境情況下裝一些python依賴包，默認就會裝到base裏面）。

如果你想搞一個新的環境，在Anaconda裏面點擊clone，複製base成一個新的環境Test_env來試試（新建create的時候可以選擇python3.5/3.6/2.7等，是一個幾乎空白的環境，建議用clone而不是create）。建議如果需要很多不同的環境，比如pytorch一個，TensorFlow一個，就分開兩個環境，避免包衝突。

在windows下啓動不同的環境也很方便，點擊圖中的箭頭，open a terminal，就可以切換到你想去的環境中（等同於命令行的activate）。

當然，在cmd下，一些簡單常用的命令如下：mark一下：
1.創建新環境
conda create -n 環境名 python=3.6
2.刪除一個環境
conda remove -n 環境名 --all
3.重新命名的方法
conda create -n 新環境名 --clone 舊環境名
conda remove -n 舊環境名 --all
4.激活、退出虛機環境
windows下：activate 虛擬環境名
linux或OS下：source activate 虛擬環境名
deactivate
5.查看虛擬環境
conda list -e
6.conda管理
conda --version # 查看當前conda版本
conda update conda # 升級當前conda
7.查看當前虛擬環境安裝了哪些包
conda list

2. 用conda安裝Pytorch及相關依賴軟件

我最近裝好的環境是：CUDA9.0+PyTorch1.1+CUDNN7.1，其實也不是我自己選的，是我添加的源裏面就是這樣的包

找到conda安裝命令：可以在https://pytorch.org/找到命令，現在已經版本很高了，上面圖片已經不準了。所以我們直接採用：（注意，這裏一定要把圖面中提示 -c pytorch去掉，安裝的時候纔會默認從我們自己添加的源下載相應的包）

我用的是：
conda install pytorch torchvision cudatoolkit=9.0

或者你想試下cuda10.1：
conda install pytorch torchvision cudatoolkit=10.1

我一開始用的帶-c pytorch，會從國外的源下載，奇慢無比，還會時不時報超時。後來解決方案是：
在自己的.condarc文件中添加清華的源：

可以直接查看.condarc文件在哪裏：

加入源地址：

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

我的文件是長這樣：

然後cmd下運行（根據你啓動的conda環境會裝到相應的環境裏，我是裝在base了）：
conda install pytorch torchvision cudatoolkit=9.0

然後就等唄，一大堆依賴需要下載。然後我發現裝的時候會自動安裝cuda9.0以及cudnn，這樣確實很方便，不需要再手動去下載安裝了。

3. 簡單測試安裝環境（pytorch/cuda/cudnn）

ok，這樣就裝完了。現在我們測試一下安裝的環境：測試pytorch

測試GPU cuda和CUDNN：寫一個python腳本

import torch
print(2.0)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# Assume that we are on a CUDA machine, then this should print a CUDA device:
print(device)

x = torch.Tensor([2.1])
xx = x.cuda()
print(xx)

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

運行結果如下：

這樣基本就沒什麼問題了。如果想看下自己的GPU顯卡情況，就用nvidia-smi，在windows下直接用是不行的，需要在把C:\Program Files\NVIDIA Corporation\NVSMI加到path（可能需要確認下你的電腦是不是這個路徑·，一般裝了N卡的官方驅動就會有這個目錄），參看前面第1章。

nvidia-smi：好尷尬，我的2G顯存GeForce GTX960遊戲顯卡，哈哈，居然也被用來跑Deep Learning…玩下cifar10應該夠了：）

Fan：顯示風扇轉速，數值在0到100%之間，是計算機的期望轉速，如果計算機不是通過風扇冷卻或者風扇壞了，顯示出來就是N/A；
Temp：顯卡內部的溫度，單位是攝氏度；
Perf：表徵性能狀態，從P0到P12，P0表示最大性能，P12表示狀態最小性能；
Pwr：能耗表示；
Bus-Id：涉及GPU總線的相關信息；
Disp.A：是Display Active的意思，表示GPU的顯示是否初始化；
Memory Usage：顯存的使用率；
Volatile GPU-Util：浮動的GPU利用率；
Compute M：計算模式；
更多使用方式：nvidia-smi -h

5. 給conda環境用pip安裝gym包

這裏我以pip安裝gym包爲例：一般來說只要pip install gym就可以了，但是你也知道默認從國外的源下載奇慢無比。因此採用清華的源：在後面加上-i https://pypi.tuna.tsinghua.edu.cn/simple

或者阿里的源：https://mirrors.aliyun.com/pypi/simple

OK，開始學習Pytorch吧，同學們！

5. 參考資料

1、conda安裝Pytorch下載過慢解決辦法(11月26日更新ubuntu下pytorch1.3安裝方法)
2、conda常用命令，如何在conda環境中安裝gym庫？
3、conda下載出現連接超時怎麼辦
4、gym安裝：http://gym.openai.com/docs/#installation
5、windows使用nvidia-smi查看gpu信息
6、更改pip源至清華、阿里鏡像
7、Windows下pip換成清華源