PyTorch-国内极速安装

写在前面

PyTorch官网：https://pytorch.org/

在Windows环境下，PyTorch的安装由于网络问题，大部分人如果想直接通过官网的指令安装显然是非常困难的。因为torch这个库有2G左右的大小，服务器又在国外，这就出现了下载异常缓慢（能下一天）或者下载容易失败的问题（网络问题导致下载中断）。

这时候有两种方法：

使用魔法，改善下载速度。
使用本地文件安装。

这个博客主要记录如何使用本地压缩包（.whl）文件快速安装PyTorch。

明确自己的使用需求

如果你需要使用GPU进行PyTorch实践，那么你就需要安装带CUDA的版本。如果你只是想要使用CPU进行实践，那么就选择CPU版本进行下载。各有优势，没有高低之分。
这里有一些注意点：

如果你想要下载CUDA版本的PyTorch，不要通过清华源下载，清华源已经没有CUDA版本的资源，下载多少次都是CPU版本的。
想使用GPU实践torch，必须安装NVIDIA CUDA。

查看自己的CUDA版本并安装CUDA支持

对于大多数NVIDIA显卡来说，都是支持CUDA的，如果你的显卡不支持CUDA，那即使装了CUDA版本，也只能使用CPU进行实践。
如果你的显卡不支持CUDA，那么建议下载CPU版本。

查看CUDA版本

如果下载CUDA版本的PyTorch，此时就需要对应自己电脑所支持的最高CUDA版本，然后同级或者向下兼容选择相应的CUDA安装指令。查看CUDA版本有两种方法。

通过NVIDIA控制面板查看

通过指令

打开命令行，输入nvidia-smi，出现以下界面

安装CUDA支持

查询到自己电脑的CUDA版本后，你需要安装CUDA支持。

各版本CUDA下载：https://developer.nvidia.com/cuda-toolkit-archive

建议选择电脑支持的最高CUDA版本安装即可。

选择安装方式

如果你是Windows用户，一般情况下，官网提供了两种常用的安装方式：

pip指令
Conda指令（需要Anaconda环境）

这两个指令下载的东西都是一样的，只是安装的方式不同。建议在Anaconda环境中安装，方便管理。

下载离线文件

.whl文件，实际就是torch的压缩文件。
当我们使用pip进行库的下载时候，会先拉取压缩包请求，然后在本地解压安装。这边有个注意点，如果当前拉取的压缩包已经存在，则会直接解压。所以我们提前准备好torch的压缩包，当使用pip指令下载时，会直接拉取本地的压缩包，跳过下载安装包的过程。从本地文件安装的原理就是如此。