在Anaconda下安装并使用Pytorch，pillow，numpy等库及Python版本的匹配

我在Anaconda下创建的新环境为

python 3.7.0

pytorch 1.8.0

pillow 9.5.0

numpy 1.21.5

能够正常运行

如果我这个版本够用的话可以按照这个版本进行安装

具体步骤如下：

1.在Anaconda Prompt创建python3.7.0版本的新环境

conda create -n pytorch37 python==3.7

上述代码是创建一个名为pytorch37的新环境，新环境中的python版本等于3.7.0(Anaconda中的3.7默认为3.7.0)

2.去如下pytorch官网上找自己的Python所对应的版本

从百度或者其他搜索引擎进入 PyTorch 的官网，往下拉一点可以看到这样的一部分，下面有个

Previous versions of PyTorch，单击进入

可以根据你在其他地方获取的python对应的pytorch版本进行选择；这里我提前在搜索引擎上查找了我的 python3.7.0可以对应 pytorch 的1.8.0版本，因此下拉找到对应的 Anaconda 指令

 为方便我把 Linux and Windows 放在下面供你们参考，省去你们一些步骤

# CUDA 10.2
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

# CPU Only
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly -c pytorch

注意这里根据你是要使用 GPU 版本的 PyTorch还是 CPU 版本的 PyTorch需要选择合适的命令进行运行。前两个为 CUDA 版本的 PyTorch，即 GPU 版本，因为使用 GPU 需要通过 CUDA 来调用GPU，而 CPU 是可以被程序直接唤起的。如果你的电脑是集成显卡，那很高兴你跟我第一台电脑是一样的，不需要去管显卡的事情了。

这里给新手朋友说下如何查看是集显还是独显

首先打开你的控制面板，直接在搜索框搜索”设备管理器”

打开设备管理器之后点开显示适配器，可以看到有 NVIDIA 的垃圾独显 MX150 (老电脑了)，虽然性能差，但好歹能有与之匹配的 CUDA；当然如果没有 NVIDIA 的显卡，那说明你的电脑不支持CUDA，或者是集成显卡

这里给各位想用 GPU 版本的伙伴说一下如何查看自己的 CUDA 兼容版本。由于只有NVIDIA英伟达显卡有 CUDA 适配，因此非英伟达显卡的伙伴们直接调用上面 CPU Only 后面的命令即可，CUDA 的内容暂时与你无缘，老老实实用 CPU 版本做点简单的东西吧，CPU 版本的算力能跑的动Resnet 残差网络就已经差不多了

首先在你电脑中搜索 NVIDIA 会出现如下应用

点卡那个 NVIDIA Control Panel 出现如下界面，打开”帮助”中的”系统信息”

 单击”组件”查看”3D设置”中有一项的产品名称包含CUDA 11.7.102

这说明你GPU的CUDA版本为11.7，那么安装的时候CUDA版本要低于11.7，建议不要等于(如果新手头铁的话可以试一下)；具体如何安装CUDA你们随便去找一篇文章然后对照着python的版本去弄就行

3.库版本的安装或修改 

然后就是最简单的

pip install numpy==1.21.5

pip install pillow==9.5.0

注意这里如果你要修改某个库的版本一定要用pip uninstall和pip install

因为conda install会同时安装或卸载相关的库文件，可能会影响到其他的部分

都安装完了就可以正常运行程序了