pytorch1.7.1

PyTorch 1.7.1 安装教程
创建虚拟环境并激活
为了确保安装过程顺利，在正式安装 PyTorch-GPU 版本前，建议先创建一个新的虚拟环境。对于 Python 3.7 的环境可以使用以下命令：
conda create -n pytorch_gpu python=3.7
conda activate pytorch_gpu
登录后复制
这一步骤有助于隔离不同项目的依赖关系，减少冲突的可能性[^1]。
安装 PyTorch 1.7.1 和 CUDA 支持
针对特定版本的 PyTorch 及其对应的 CUDA 版本，可以通过官方推荐的方式进行安装。例如要安装支持 CUDA 11.0 的 PyTorch 1.7.1，则可以在上述环境中执行如下指令：
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
登录后复制
此命令会下载适合指定硬件条件的最佳构建版本，并自动处理所有必要的依赖项[^4]。
配置 TensorBoard
虽然 torch.utils.tensorboard 已经集成到了 PyTorch 中，但在某些情况下可能仍需单独安装 tensorboard 库以获得最新功能或修复潜在问题。此时可运行下面这条简单的 pip 命令完成安装：
pip install tensorboard
登录后复制
这样就能正常使用 TensorBoard 来可视化训练进度和其他有用的信息了[^2]。
安装 MMCV (如果需要)
当涉及到更复杂的计算机视觉任务时，可能会用到 OpenMMLab 提供的一系列工具库之一——MMCV。根据个人需求选择合适的版本非常重要；比如想要匹配 CUDA 11.0 和 PyTorch 1.7.1 的话，应该按照官方网站上的指导来操作：
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu110/torch1.7.1/index.html
登录后复制
通过这种方式可以获得经过优化后的性能表现以及更好的兼容性。