0.引言

花了近两个小时，查阅诸多方法终于将Windows10下的Pytorch GPU版本安装成功。期间遇到诸多困难，结合自己的理解分析以及网络资源最终将各个问题逐一解决。在此撰写技术文档，记录安装过程中各种问题与解决办法，与各位共同学习。

1.官网安装失败

网上很多教程都是让大家前往官网安装，我首先也采用的这种方法，毕竟官网的东西一般来说是最靠谱的，打开Pytorch官网，点击页面左上角Get Start，选择对应cuda版本的pytorch，复制官网提供的下载命令。

打开Anaconda Prompt终端，使用命令1创建我们要安装pytorch-GPU版本的虚拟环境。
使用命令2激活该环境。（这里将环境名命名为tr，可以根据你的需要随意取名）

conda create -n tr python=3.7 //命令1
conda activate tr //命令2

在环境tr下，输入官网安装Pytorch的命令：

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

出现异常，solve environment失败，陷入一直solve environment中

异常提示为：failed with initial frozen solve. Retrying with flexible solve.
按照经验，出现此异常的主要原因有：
①conda版本过高，我的conda版本是4.13。conda版本大于4.8有可能出现这种异常。
②环境下具有的channels中未能找到对应的或者类似的包。
解决办法：
①conda降级，推荐卸载Anaconda，再按照所需的低版本Anaconda
②新建一个环境再安装(实测无效)
③添加channels（有效，下面讲）
④更改channels的主要性（实测无效）
⑤使用pip安装（可能导致其他问题，需要了解你pip的是什么）
具体做法参考博客：
1.https://blog.csdn.net/weixin_38419133/article/details/115863940
2.https://blog.csdn.net/weixin_42200930/article/details/108821934

2.安装失败原因分析

官网的命令基本不会出错，那为什么无法安装呢。追根溯源，我是通过conda进行install的。再深入的说，我是通过conda环境下的所有channels进行install的，那么很大可能是我添加的镜像源中找不到对应的包，换言之，我要安装的pytorch（包含torchvison，cudnn等依赖）版本在镜像源中不存在。
查阅资料知道：
一个pytorch的文件名的普通命名格式由pytorch、py、cuda、cudnn组成。
例如：一个在python=3.7conda 环境下，cudatoolkit=10.1版本的pytorch=1.7.0的文件名为：pytorch-1.7.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2。

此处参考博客：https://blog.csdn.net/u013468614/article/details/125910538

3.灵活安装(成功)

在2中，我们分析了安装失败的原因，我们知道了安装的本质就是：**遍历conda环境下使用的channels或者说镜像源去找到符合命令要求所要安装的包，包的定位是通过命令行中的关键信息给出，**如…cudatoolkit=11.1…等。
所以，我们只需要打开对应的镜像网站，去找我们所需要的且兼容我们操作系统的安装包即可。例如：我在https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/下找到了我所需要的pytorch-GPU版本。

于是我打开小黑窗（Anaconda Prompt），激活我的环境tr。输入如下命令：

conda install pytorch==1.8.1 torchvision==0.2.2 cudatoolkit=11.1 -c https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/

注：我需要的torchvision版本是0.2.2，所以我的安装命令中是torchvision==0.2.2
我的所有channels如下，供各位学习者参考。

这里我是把https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/直接添加进去了，所以使用如下命令就可以了。

conda install pytorch==1.8.1 torchvision==0.2.2 cudatoolkit=11.1

注意：最好把上述所有channels都添加在你的conda环境中，防止有些依赖包在你的镜像源中不存在，同时这些channels也是非常常用的，便于将来的学习。

4.查看pytorch-GPU是否安装成功

进入jupyter notebook，检验pytorch是否安装成功
可以发现，torch版本为1.8.1，cuda可用，GPU个数为1。到此，pytorch-GPU版本就安装成功了。
感谢各位阅读，还在不断学习中，水平有限，如有错误，请各位不吝赐教。