文章目录
跟着B站热门的pytorch教程安装的过程中踩了不少坑，在这里记录一下希望对大家有所帮助。
一、False可能的原因
- cuda 显卡算力等版本不匹配
- python版本问题
- conda install本身不易发现的问题
二、分析和解决
2.1cuda 显卡算力等版本不匹配
第一点在多数安装教程中都有强调，不过保险起见这里还是逐步排查一下。
首先要明确几个概念：显卡算力、cuda driver、cuda runtime。要保证你的显卡算力和显卡驱动匹配，同时cuda runtime（即pytorch安装时选择的cuda版本）的版本低于显卡驱动的版本。接下来逐个检查：
2.1.1查看显卡算力
在任务管理器中查看自己显卡型号后，可到cuda维基百科（需魔法）查看对应显卡的算力和支持的cuda版本。主流显卡对应算力如下：
2.1.2查看显卡驱动：
cmd中输入（注意中间没有空格）
nvidia-smi
更新显卡驱动（可选）
如果你的显卡驱动过低可以到nvidia的官网，下载最新的显卡驱动
Nvidia官网下载链接
2.1.3选择合适的cuda版本
在明确了cuda版本的下限（显卡算力限制）和上限（显卡驱动限制），就可以选择一个合适的cuda版本了。
pytorch官网
2.2python版本问题
如果cuda版本匹配没有问题，那么可能踩到这个坑，因为很多教程时间都比较久了，anaconda创建的python虚拟环境还在3.6等低版本。并不支持高版本的CUDA。主流对应关系如下：
如果python版本不对，可能出现如下报错：
Looking in indexes: https://download.pytorch.org/whl/cu121
ERROR: Could not find a version that satisfies the requirement torch (from versions: none)
ERROR: No matching distribution found for torch
2.3conda install本身的问题
在pytorch官网提供了两种安装途径conda和pip。如果你按照视频使用conda安装，会发现两个问题：特别慢、且最后显卡不可用(False）。第一个问题稍后再说，先讲第二个。
2.3.1conda默认CPU
这可能是很多跟着教程安装踩的坑，即使安装的时候正确选择了GPU版本，conda在安装时也会安装cpu版本，原因目前未知。
这时候可以重新创建一个虚拟环境使用官网pip的命令安装：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
或者删掉原来的pytorch（删之前最好确认一下是否真的是这个问题）
conda list（查看所有安装的包）
conda uninstall pytorch
重新使用pip安装。
不知道是不是只有我这样pip安装速度会比conda命令快非常非常多。
2.3.2conda安装速度慢
这个事情网上有很多帖子和解决方案，我比较推荐小的包就等等用默认源安装，大的几百几十M的，可以暂停退出手动换源单独安那个包，不建议全局添加镜像。附上国内的镜像：
清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像
https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像
http://mirrors.aliyun.com/anaconda/pkgs/main
删除虚拟环境: conda remove -n虚拟环境名字--all
全局持久添加通道: conda config --add channels通道地址
全局删除通道:conda config --remove channels通道地址
显示通道：conda config --show channels
单独安装某个包：conda install xxx -c通道地址
三、总结
能用pip安装就别用conda命令安装，注意各个部分的版本匹配。看起来复杂实际上很快就可以搞定
补充：Anaconda版本也需要下载最新的
官网下载较慢——国内镜像，目前最新的是2024.2版本
详情可见这篇文章：pycharm与Anaconda版本兼容问题解决