深度学习环境搭建宝典：pytorch+tensorflow
野蛮智能
发布时间：03-0815:32
每天给小编五分钟，小编用自己的代码，让你轻松学习人工智能。本文将手把手带你快速搭建你自己的深度学习环境，然后实现自己的第一个深度学习程序。野蛮智能，小白也能看懂的人工智能。
如果你对循环神经网络的基本原理还不了解，可以通过小编的精讲深度学习RNN三大核心点，三分钟掌握循环神经网络进行简单了解。下面进入实战环节。
Anaconda+pytorch环境准备
如果你的电脑带有GPU，可以先安装Nvidia驱动
+ cuda +
cudnn，然后再搭建环境，这样可以达到更高的运行速度。如果不想使用GPU，学习阶段也可以使用cpu版本，对于简单的程序用CPU和GPU其实没差别。小编这里为大家提供一个CPU版本的安装方法。本方法适用于linux和windows平台。
第一步：本文采用流行度最高的搭建方法：Anaconda3 + pytorch。首先去清华镜像站（百度搜索关键字：清华镜像）进入网站后找到anaconda，然后点击，进去后下载Anaconda3-4.2.0，对应的python版本是3.5.2。下载好之后的安装就是一路默认Next就可以。
第二步：在安装好Anaconda之后。
小编强烈建议为pytorch建立一个虚拟环境，这样做的好处是方便我们同时使用多个深度学习框架，每个框架就对应一个虚拟环境，框架之间可以互不干扰。具体步骤：Windows用户搜索打开Anaconda Prompt，然后输入：source create -n pytorch python=3.5，pytorch是这个虚拟环境的名字，你也可以给它起个别的名字，Python的版本我们也可以指定为3.6。linux用户直接打开终端，就可以执行上述命令。
windows 在命令行
conda install pytorch-cpu torchvision-cpu -c pytorch
The following NEW packages will be INSTALLED:
ninja pkgs/main/win-64::ninja-1.9.0-py37h74a9793_0
pytorch-cpu pytorch/win-64::pytorch-cpu-1.1.0-py3.7_cpu_1
torchvision-cpu pytorch/win-64::torchvision-cpu-0.3.0-py37_cuNone_1
The following packages will be UPDATED:
conda 4.7.5-py37_0 --> 4.7.10-py37_0
Proceed ([y]/n)? y
Downloading and Extracting Packag
再
conda install pytorch
Collecting package metadata (current_repodata.json): done
Solving environment: done
WARNING conda.core.package_cache_data:_make_single_record(350): Encountered corrupt package tarball at C:\Users\zongsifeng\Anaconda3\pkgs\pytorch-cpu-1.1.0-py3.7_cpu_1.tar.bz2. Conda has removed it, but you need to re-run conda to download it again.
## Package Plan ##
environment location: C:\Users\zongsifeng\Anaconda3
added / updated specs:
- pytorch
The following packages will be downloaded:
package | build
---------------------------|-----------------
_pytorch_select-1.1.0 | cpu 2 KB
pytorch-1.0.1 |cpu_py37h39a92a0_0 23.2 MB
------------------------------------------------------------
Total: 23.2 MB
The following NEW packages will be INSTALLED:
_pytorch_select pkgs/main/win-64::_pytorch_select-1.1.0-cpu
ninja pkgs/main/win-64::ninja-1.9.0-py37h74a9793_0
pytorch pkgs/main/win-64::pytorch-1.0.1-cpu_py37h39a92a0_0
The following packages will be UPDATED:
conda 4.7.5-py37_0 --> 4.7.10-py37_0
Proceed ([y]/n)? y
Downloading and Extracting Packages
pytorch-1.0.1 | 23.2 MB | ############################################################################ | 100%
_pytorch_select-1.1. | 2 KB | ############################################################################ | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
第三步：然后，打开虚拟环境的方法是，命令行输入：source activate pytorch，这个就会激活虚拟环境，接下来就可以在虚拟环境里工作了，.激活界面如下图所示：
对应的关闭虚拟环境的命令是：source deactivate pytorch，执行结果如下：
第四步，就是在虚拟环境下，执行安装pytorch框架，具体命令如下
conda install pytorch-cpu torchvision-cpu -c pytorch（因为我们装的是cpu版本的，所以windows和linux都是这个命令哦），这条命令的来源是pytorch官网，如下图所示。
执行的结果就像这样：
因为小编已经安装过了，所以这里并没有下载一大堆包。
最后一步，继续在刚才的命令行里执行如下命令：conda install nb_conda。这个程序的功能是使我们能够使用pytorch虚拟环境。下面就可以开始写自己的测试程序了。
tensorflow安装
tensorflow安装步骤和pytorch的安装基本是一样的，第一步建立虚拟环境，不过这里可以命名为tensorflow，然后激活虚拟环境，在虚拟环境下pip install tensorflow，然后就安装成功了。代码测试与实战
刚才的命令行先不要关，我们再输入一个命令：jupyter notebook。
这个命令的作用是启动notebook，我们将会在这个程序里写代码。它的工作界面就是你的浏览器，程序执行大概十秒之后会自动跳出浏览器界面。如下：
我们点击右上角的new，就会找到一个叫pytorch的工作环境，这就是我们刚刚建立的虚拟环境。
点击这个pytorch环境建立一个新文件，我们就可以开始写程序了。
输入import torch，执行（执行的方式是shift+Enter），如果不报错，就说明我们的安装完成了。
下面写一个测试的程序：
import torcha = torch.Tensor([[2,3],[4,8],[7,9]])print("我定义了一个矩阵：{}".format(a))
执行结果如下：
大功告成！你已经踏入了深度学习工程师的大门！哪里有问题的可以在评论区留言，如果想继续学习人工智能，欢迎关注。我会每天更新技术文。野蛮智能，小白也能看懂的人工智能。