这篇教程Anaconda配置各版本Pytorch的实现写得很实用，希望能帮到您。
1. 前言利用 Anaconda 配置 Pytorch 深度学习环境时利用官网链接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：https://github.com/pytorch/vision#installation 
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。
5. Pytorch 0.4.1conda install pytorch==0.4.1 torchvision==0.2.1 cuda90 # CUDA 9.0conda install pytorch==0.4.1 torchvision==0.2.1 cuda92 # CUDA 9.2conda install pytorch==0.4.1 torchvision==0.2.1 cuda80 # CUDA 8.0conda install pytorch==0.4.1 torchvision==0.2.1 cuda75 # CUDA 7.5conda install pytorch==0.4.1 torchvision==0.2.1 cpuonly # CPU 版本
6. Pytorch 1.0.0conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 # CUDA 10.0conda install pytorch==1.0.0 torchvision==0.2.1 cuda90 # CUDA 9.0conda install pytorch==1.0.0 torchvision==0.2.1 cuda80 # CUDA 8.0conda install pytorch-cpu==1.0.0 torchvision-cpu==0.2.1 cpuonly # CPU 版本
7. Pytorch 1.0.1conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0 # CUDA 9.0conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0 # CUDA 10.0conda install pytorch-cpu==1.0.1 torchvision-cpu==0.2.2 cpuonly # CPU 版本
8. Pytorch 1.1.0conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 # CUDA 9.0conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 # CUDA 10.0conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly # CPU O版本
9. Pytorch 1.2.0conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 # CUDA 10.0conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly # CPU 版本
10. Pytorch 1.4.0conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 # CUDA 10.1conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly # CPU 版本
11. Pytorch 1.5.0conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 # CUDA 10.1conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.5.0 torchvision==0.6.0 cpuonly # CPU 版本
12. Pytorch 1.5.1conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1 # CUDA 10.1conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly # CPU 版本
13. Pytorch 1.6.0conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 # CUDA 10.1conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly # CPU 版本
14. Pytorch 1.7.0conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1 # CUDA 10.1conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=11.0 # CUDA 11.0conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly # CPU 版本
15. Pytorch 1.7.1conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=9.2 # CUDA 9.2conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.1 # CUDA 10.1conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=11.0 # CUDA 11.0conda install pytorch==1.7.1 torchvision==0.8.2 cpuonly # CPU 版本
16. Pytorch 1.8.0conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=11.1 # CUDA 11.1conda install pytorch==1.8.0 torchvision==0.9.0 cpuonly # CPU 版本
17. Pytorch 1.9.0conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=10.2 # CUDA 10.2conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1 # CUDA 11.1conda 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51zixue.net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51zixue.net！
python开发的自动化运维工具ansible详解
python实现CSF地面点滤波算法原理解析 |
