anaconda安装pytorch-gpu版本（miniconda+win10+cuda10.2+pytorch）

由于最近想用gpu训练模型，然后开始使用anaconda下载，奈何下载了好多次这家伙都给我自动下载的cpu版本的，就很气，最终终于下载完成了，来个总结吧，顺便发现我的虚拟环境都装在了c盘，于是修改了虚拟环境默认安装路径。
【基于miniconda+win10+cuda10.2+pytorch】
由于pytorch的gpu很依赖版本的对应关系，这里说明一下我的合理环境，目前也有很多新的环境可以参考吧。主要是找到自己合适的环境。

流程

1. 创建虚拟环境

conda create -n pytorch-GPU(虚拟环境的名字) python=3.7

2. 安装cudatoolkit
   先cmd中使用nvidia-smi命令找一下cuda版本（如果没有这个命令就下载显卡驱动吧或者配置环境变量）然后下载对应cuda版本的cudatoolkit

conda install cudatoolkit=10.2.89

3. 安装pytorch
   由于pyrhorch官网可以查对应的版本的命令，如果想找旧版本就去红框框里面找下载命令
   

pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html

4. 安装cuddn
   可以使用下面指令查一下应该下载那个对应的版本的cuddn

conda search cuddn -info

我的是cuddn7.6.5对应上面步骤2,3，的版本

错误总结

1. 大部分错误都是版本不对应导致的，所以安装前还是要看好版本在下载，不然真的很头疼，有时候的错误也是毫无头绪。最后可以从包的列表中看到pytorch如果后面写着cpu就还是下载没成功还是CPU版本的，如果后面是cuda就是GPU版本的。
2. 印象最深的也是折磨我很久的错误就是遇到anaconda的HTTP和JSON错误，打印了一大页，网上很多方法也都试过很多次，最终这个方案比较合适，修改anaconda的.condarc文件的镜像源并且关闭代理。

show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

虚拟环境占用空间大的问题

也是修改.condarc文件，我先是在d盘创建好这两个文件然后在.condarc文件在下面添加

envs_dirs:
  - D:\miniconda\envs
pkgs_dirs:
  - D:\miniconda\pkgs

然后创建new虚拟环境测试了一下