如何在Windows 10上使用anaconda提示安装pytorch FROM SOURCE（已启用cuda的旧gpu弃用的CUDA cc 3.5）？

编辑：在您尝试长指南并重新安装所有内容之前，您可能会解决错误“（DLL）初始化例程失败。根据此方法（未进行测试），通过从降级torch = 1.7.1到torch=1.6.0，加载caffe2_detectron_ops_gpu.dll时出错” 。

这是我使用的一些指南。

• https://github.com/pytorch/pytorch#from-source
• https://discuss.pytorch.org/t/pytorch-build-from-source-on-windows/40288
• https://www.youtube.com/watch?v=sGWLjbn5cgs
• https://github.com/pytorch/pytorch/issues/30910
• https://github.com/exercism/cpp/issues/250

该解决方案在这里由更多的步骤绘制，看到这与组合本。CUDA问题的总体起点也与此相关的“超级用户”问题有关。

解决方法如下：

1. 安装cmake：https : //cmake.org/download/

添加到PATH环境变量：

C:\Program Files\CMake\bin

2. 安装git，其中包括mingw64也可以提供curl：https : //git-scm.com/download/win

添加到PATH环境变量：

C:\Program Files\Git\cmd

C:\Program Files\Git\mingw64\bin对于卷曲

3. 作为编译器，我选择MSVC 2019了CUDA编译器驱动程序，NVCC:10.0.194因为它可以根据https://gist.github.com/ax3l/9489132处理CUDA cc 3.5 。当然，您将需要检查自己的当前驱动程序版本。

请注意，除了上面的单元格被复制到下面的空单元格之外，绿色箭头在这里什么都不会告诉您，这是表的设计，在这里没有其他要说的。 在我的案例中，绿色标记和注释只是相关的版本号（3.5和2019）。相反，与您的情况相关的完全取决于您的情况！

运行MS Visual Studio 2019 16.7.1并选择->Indivudual components可让您安装：

• 最新MSVC v142 - VS 2019 C++-x64/x86-Buildtools (v14.27)（当时最新的x64版本）
• 最新Windows 10 SDK（10.0.19041.0）（当时的最新x64版本）。

4. 因为我的图形卡CUDA Capability Major/Minor version number是3.5，所以我现在可以安装最新的cuda 11.0.2-1可用版本。在您的情况下，请始终再次查找上表的当前版本，并找出CUDA cc的最佳CUDA版本。可通过https://developer.nvidia.com/cuda-downloads获得cuda工具包。

5. 更改PATH环境变量：

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;%PATH% SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64;%PATH% SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include;%PATH%

6. 从https://developer.nvidia.com/cudnn-download-survey下载cuDNN 。您必须注册才能执行此操作。然后，通过将最新的cuDNN zip-extract复制到以下目录来安装cuDNN：

C:\Program Files\NVIDIA cuDNN

7. 更改PATH环境变量：

SET PATH=C:\Program Files\NVIDIA cuDNN\cuda;%PATH

8. 根据https://stackoverflow.com/questions/48174935/conda-creating-a-virtual-environment，打开anaconda提示符并充其量为pytorch创建一个新的虚拟环境：

conda create -n myenv

9. 安装可能需要的软件包：

(myenv) C:\Users\Admin>conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests

10. 在anaconda或cmd提示符下，将pytorch克隆到您选择的目录中。我在这里使用我的下载目录：C:\Users\Admin\Downloads\Pytorch>git clone https://github.com/pytorch/pytorch

11. 在anaconda或cmd提示符下，递归更新克隆的目录： C:\Users\Admin\Downloads\Pytorch\pytorch>git submodule update --init --recursive

12. 由于该检测器对MSVC OpenMP的支持较差，因此，根据该开发人员的评论，并参考https://pytorch.org/docs/stable/notes，我们需要使用MKL从源代码构建pytorch，以便使用Intel OpenMP。/windows.html#include-optional-components。那么该怎么做呢？

从https://www.7-zip.de/download.html安装7z 。

添加到PATH环境变量：

C:\Program Files\7-Zip\

现在下载MKL源代码（请再次检查链接中的最新版本）：

curl https://s3.amazonaws.com/ossci-windows/mkl_2020.0.166.7z -k -O
7z x -aoa mkl_2020.0.166.7z -omkl

我选择的目标目录是C:\Users\Admin\mkl。

还需要根据链接：

conda install -c defaults intel-openmp -f

13. 打开anaconda提示符并激活您所谓的虚拟环境：

activate myenv

14. 转到您选择的pytorch源代码目录。

(myenv) C:\WINDOWS\system32>cd C:\Users\Admin\Downloads\Pytorch\pytorch

15. 现在，在开始cmake之前，我们需要设置很多变量。

当我们也使用mkl时，我们需要如下所示：

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>set “CMAKE_INCLUDE_PATH=C:\Users\Admin\Downloads\Pytorch\mkl\include”

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>set “LIB=C:\Users\Admin\Downloads\Pytorch\mkl\lib;%LIB%”

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>set USE_NINJA=OFF

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>set CMAKE_GENERATOR=Visual Studio 16 2019

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>set USE_MKLDNN=ON

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>set “CUDAHOSTCXX=C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\Hostx64\x64\cl.exe”

(myenv) C:\Users\Admin\Downloads\Pytorch\pytorch>python setup.py install --cmake

注意：让它运行一整夜，上面的安装程序花费了9.5个小时并阻止了计算机。

重要提示：Ninja可以并行化CUDA构建任务。您可能有可能使用忍者，这是根据https://pytorch.org/docs/stable/notes/windows.html#include-optional-components加快该过程的速度。就我而言，使用忍者无法成功安装。您仍然可以尝试：（set CMAKE_GENERATOR=Ninja当然，首先要使用进行安装之后pip install ninja）。您可能还需要set USE_NINJA=ON，并且/或者甚至更好，请尝试set USE_NINJA完全省略并仅使用它set CMAKE_GENERATOR=Ninja（请参阅将CMake Generator切换为Ninja），也许这对您有用。绝对可以使用忍者，请参阅基于成功的基于忍者的安装的注释。

[在我的情况下，期望忍者通过pip安装工作也可能是错误的。也许我们还需要获取忍者的源代码，也许也需要使用curl，就像MKL一样。如果您对此有更多了解，请发表评论或编辑，谢谢。]

16. 就我而言，这是通过使用mkl而没有使用忍者完成的。

17. 现在一个旁注。如果您使用的是spyder，则我的至少是因为cuda安装程序损坏了：

    （myenv）C：\ WINDOWS \ system32> spyder cffi_ext.c C：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ zmq \ backend \ cffi_ pycache _cffi_ext.c（268）：致命错误C1083：Datei（包括） kann nichtgeöffnetwerden：“ zmq.h”：没有这样的文件或目录回溯（最近一次调用是最近的）：文件“ C：\ Users \ Admin \ anaconda3 \ Scripts \ spyder-script.py”，第6行，来自spyder .app.start导入zmq文件“ C：\ Users \ Admin \ anaconda3 \ lib”中的第22行，导入主文件“ C：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ spyder \ app \ start.py” \ site-packages \ zmq_ init _.py“，行50，来自zmq导入后端文件“ C：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ zmq \ backend_ init_.py“，第40行，在reraise（* rec_info）文件中，文件” C：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ zmq \ utils \ sixcerpt.py“，第34行，在reraise上升值文件” C ：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ zmq \ backend_ init _.py“，第27行，在ns = select_backend（第一个）文件“ C：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ zmq \ backend \ select.py“，第28行，在select_backend mod = import（名称，fromlist = public_api）文件“ C：\ Users \ Admin \ anaconda3 \ lib \ site-packages \ zmq \ backend \ cython_ init .py”中，第6行，来自。import（常量，错误，消息，上下文，ImportError：导入错误，DLL加载失败：错误。

再次在现有安装上安装spyder：

(myenv) C:\WINDOWS\system32>conda install spyder

开孔器：

(myenv) C:\WINDOWS\system32>spyder

18. 测试您的pytorch安装。

我做到了这一点：

import torch

torch.__version__
Out[3]: '1.8.0a0+2ab74a4'

torch.cuda.current_device()
Out[4]: 0

torch.cuda.device(0)
Out[5]: <torch.cuda.device at 0x24e6b98a400>

torch.cuda.device_count()
Out[6]: 1

torch.cuda.get_device_name(0)
Out[7]: 'GeForce GT 710'

torch.cuda.is_available()
Out[8]: True