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