pytorch是facebook开发的深度学习库，其方针是想成为深度学习范围整合gpu加速的numpy。笔者研究的re-id范围比来有不少基于pytoch的代码，跟进一下。因为编程时一直长途到事情站上不太便利，本地开发用的是windows(条记本对ubuntu的撑持欠安),无奈pytoch目前还没有对windows的官方撑持(打算0.4版本开始撑持，目前是0.3.1)，。所幸的是知乎用户蒲嘉宸一直在供给适合windows的包。
首先，我们按照本身的环境下载对应包：
1.注意这里因为py3版本只撑持3.5.3与3.6.2,如果电脑python版本不一致，使用anaconda新建一个名为py36的新环境
conda create -n py36 python=3.6 numpy pyyaml mkl
2.笔者安置的是cuda 8.0与cudnn 6,所以在网盘中下载的版本为：
pytorch-0.3.1-py36_cuda80_cudnn6he774522_2.tar.bz2
3.下载告成后，首先激活py36,然后执行pytorch的安置（以打点员身份运行cmd）
activate py36
conda install pytorch-0.3.1-py36_cuda80_cudnn6he774522_2.tar.bz2
4.不出不测即可安置告成，，继续安置torchvision，先下载torchvison
https://pypi.python.org/pypi/torchvision 笔者选择的是目前最新的torchvision-0.2.0-py2.py3-none-any.whl
5.安置tochvision
pip install torchvision-0.2.0-py2.py3-none-any.whl
6.测试,先将环境切换到py36
activate py36 python >>> import torch >>> import torchvision >>> a=torch.rand(1,2) >>> b=a.cuda() >>> print(a,b) 0.5278 0.2514 [torch.FloatTensor of size 1x2] 0.5278 0.2514 [torch.cuda.FloatTensor of size 1x2 (GPU 0)]
详细版请见：
https://zhuanlan.zhihu.com/p/26871672
https://github.com/peterjc123/pytorch-scripts
Windows版pytorch，torch简明安置
标签：
原文地点：https://www.cnblogs.com/Thinker-pcw/p/8543440.html