3.1、Linux 下的 Conda 安装

PyTorch 的安装十分简单，根据PyTorch官网，对系统选择和安装方式等灵活选择即可。这里以anaconda为例。

Pytorch的安装经过了几次变化，请大家以官网的安装命令为准。另外需要说明的就是在1.2版本以后，Pytorch 只支持cuda 9.2以上了，所以需要对cuda进行升级，部分显卡都可以用，包括笔记本的MX250也是可以顺利升级到cuda 10.1。此处使用Conda包管理器。

注意：如果使用镜像站，请删除“-c pytorch”；安装CUDA（即GPU）版本时注意安装CUDNN运行库

# 全部通用，ROCm 仅支持Linux
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch    #CUDA 10.2
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch    #CUDA 11.3
conda install pytorch torchvision torchaudio cpuonly -c pytorch #CPU
pip3 install torch torchvision==0.11.2 -f https://download.pytorch.org/whl/rocm4.2/torch_stable.html
# ROCm 4.2 （仅Linux）

验证输入python 进入

import torch
print(torch.__version__)    #Pytorch版本
print(torch.version.cuda)   #CUDA版本
print(torch.backends.cudnn.version())   #CUDNN版本

配置Jupyter Notebook

新建的环境是没有安装安装ipykernel的所以无法注册到Jupyter Notebook中，所以先要准备环境

#安装ipykernel
conda install ipykernel
#写入环境
python -m ipykernel install  --name pytorch --display-name "Pytorch for Deeplearning"

下一步：定制 Jupyter Notebook

#切换回基础环境
activate base
#创建jupyter notebook配置文件
jupyter notebook --generate-config
## 这里会显示创建jupyter_notebook_config.py的具体位置

打开文件，修改

c.NotebookApp.notebook_dir = '' 默认目录位置
c.NotebookApp.iopub_data_rate_limit = 100000000 这个改大一些否则有可能报错

测试

至此，Pytorch 的开发环境安装完成，可以在开始菜单中打开Jupyter Notebook 在New 菜单中创建文件时选择Pytorch for Deeplearning 创建PyTorch的相关开发环境了
。