Windows10下Pytorch的安装教程

引言

之前一直都是再CSDN上搜索问题各种嫖，就在前段时间帮老师安装Pytorch环境的时候感触很深，决定自己也开始写点笔记帮助更多的人。所以这是我初入CSDN的第一篇文章，就跟大家讲一下Pytorch的安装流程以及我之前踩过的坑。
本人二本学校，本科软件工程三年级，不喜欢开发但对计算机视觉尤其是医学图像处理十分感兴趣，之前学习过机器学习，在上个暑假学习了Pytorch框架以及学习了从逻辑回归到softmax回归到卷积神经网络到残差网络一系列知识和跑了一些小demo，喜欢参加数学建模竞赛，最近在看U-NET图像分割，希望今年能和老师发一些计算机视觉方向的高质量文章，为考上985研究生做好准备，往后的时间我会持续发布自己学习的新知识以及看法。

Pytorch简介

Pytorch的前身是Torch，刚出来的时候由于电脑性能限制以及SVM的打压，知道的人并不多，深度学习本身也是，直到2012年的ImageNet的比赛上出现的Alex-Net一鸣惊人，拿下那一年的比赛冠军，后面的几年人们又在原来的网络基础上进行不断地改进，出现了各种各样的网络，譬如：GoogLe-Net，ResNet（残差网络），DenseNet（稠密网络）等等……以及后面发展的网络已经开始适用于不同的图像任务（四大任务：分类，定位，检测，分割）。
回到今天的话题，下面我将通过Anaconda以及pyCharm来讲解Windows10下Pytorch的安装流程（同样可以嫁接到jupyter notebook）。

Anaconda的安装

Anaconda是为方便使用python而建立的一个软件包，其中包含常用的250多个工具包、多版本python解释器和强大的虚拟环境管理工具。
Anaconda可以使安装、运行和升级环境变得更加简单，并且包含了强大的jupyter notebook等，十分推荐安装。

1. 首先进入官网点击Get Started->download Anaconda installers->找到对应版本下载
   
   

2. 安装注意步骤：选择All Users->选择Add into path（不然以后会非常麻烦，要重新配置环境变量）

3. 安装完成界面（在cmd中输入conda，出现下图即为安装成功）

虚拟环境

那么有小伙伴又会有疑问了，刚刚提到的虚拟环境是什么，这不得不提到python强大的功能。因为python坐拥很多库的接口，而这些库的维护者又在对自己的产品不断维护更新，所以会出现不同的版本不同的语法不同的函数，正常的编译环境只能容纳一个，而python的虚拟环境可以有多个，每个虚拟环境都有自己独立的包库，独立运行互不干扰（甚至可以理解为时间管理大师），由此可以对不同需求的项目创建不同的虚拟环境，十分好用。
管理虚拟环境conda create/activate -n 环境名 python=版本号

pyCharm的安装

这个就不需要我多说了吧，在校学生的话申请学校邮箱就能注册使用（不建议购买，死贵死贵的）。

在pyCharm中使用Anaconda提供的环境

选中Conda Environment并找到对应路径下的解释器，接着跟着创建就行

Pytorch的安装（创建虚拟环境及安装过程中不要挂VPN）

由于Pytorch的cu和torchvision文件较大，所以建议通过官网下载好两个.whl文件再通过终端安装。

安装cuda和cudnn（选择安装项）

显卡对深度学习来说就是加速器，目前深度学习支持英伟达的显卡，下面是配置步骤，关于cuda和cudnn的博客https://blog.csdn.net/Dontla/article/details/104552975。

1. cuda安装：进入cuda官网https://developer.nvidia.com/cuda-toolkit，找到自己电脑适合的版本，设置进行安装。

2. cudnn安装（需要注册）：进入cudnn官网https://developer.nvidia.com/cudnn。

3. 检查是否有合适的GPU，若有，需安装CUDA和CuDNN（这里可以看到显卡已经安装）

进入Pytorch官网

1. 进入Pytorch官网https://pytorch.org/get-started/locally/
   同样找到自己电脑合适的cuda版本，没有的安装CPU版本（使用最后的Run this Command安装）从红线网站下载速度会更快。
2. 进入网站找到cu和torchvirsion版本（直接Ctrl+F查找）下载会较慢，值得注意的是要找准版本号，操作系统和python版本的分辨
   

安装Pytorch

1. 在pycharm中创建新项目，找到下面的Terminal终端
   
2. 创建新的虚拟环境 conda create -n pytorch_gpu python=3.9
3. 进入虚拟环境 conda activate -n pytorch_gpu
4. 找到两个whl文件的位置，在终端中输入 cd+ 文件位置，进入该目录
5. 输入pip install torch文件名
   安装成功后
   pip install torchvision文件名（快捷键：文件名输入 torch或torchvision时按下table可进行选择）
6. 将目前环境换到pytorch_gpu
7. 检验是否安装成功
   在pycharm中输入：

import torch

print("Hello pytorch{}".format(torch.__version__))
print(torch.cuda.is_available())

查看结果是否为：

这样Pytorch就已经安装成功了。