pytorch框架（1）安装那些破 ~ 事

前言：工欲善其事必先利其器

安装环境：Windows ，python3.7，需要安装pytorch 1.3.1版本

情况一、从简单的开始：安装cpu版本的pytorch

方式1：pip安装

（1）撞南墙：pip在线安装
这是一个不能直接pip在线安装的版本，或许是太旧了，或许是我的网络不行，通常情况下，你可以试试如下命令，看能否直接在线安装：

pip install torch1.3.1 torchvision0.4.2

你可以到pytorch官网去查询，你需要的版本，对应的指令，如下图所示。默认是最新的版本，现在我要安装其它版本，可以到这里去查询对应的指令。

几个问题：
（1）torch、torchvision 和 torchaudio 有什么关系？以下都是猜测，还没看源码，并不知道其中有什么东东。

torch 一开始大概是用于处理文本的，后来好用，就多了torchvision、torchaudio 等其它领域；
torchvision是独立于pytorch的关于图像操作的一些方便工具库。其中包含了一些典型的图像领域模型，例如 AlexNet, VGG, ResNet 和 Densenet 以及与训练好的参数；
torchaudio 显然是关于语音的；

（2）这些包的匹配关系如何确定？

下图来源：这里

（3）为什么安装某些版本的pytorch又不需要安装这三个包，只要前两个？以下也是猜测

观察就是从1.7版本之后，是需要安装3个，之前只需要2个；大概前面的版本不支持语音包；貌似1.0版本之前，连视觉包好像都不支持；继续猜测，如果现在只做自然语言处理的任务，不做视觉、语音，我就只需要安装torch

尝试和失败：

（2）离线安装，下载whl文件，然后再使用pip去安装whl
下载whl文件：这里 理论上是不会碰到网络不好，下载不下来的问题，但是我碰到了，然后我到同事机子上就能下载了，奇奇怪怪。

尝试和成功


所以，这么下载下来的torch，就只是torch包，没有视觉包、语音包，后续要是用到这些，再安装就是了，但是注意版本要和torch匹配。

方式2：conda安装

先YY一段，要说conda有什么好，首先假如你使用的传统的方式，一个项目需要去建立一个虚拟环境，这个虚拟环境的目录，如果你善于整理，你可以将所有项目的虚拟目录都放在一个文件夹下。conda就可以让你省却这一步，虚拟环境Anaconda安装目录下的envs目录下，其中存放的就是你自个创建的虚拟环境。

删除刚才离线安装的torch，现在使用conda来安装，首先就是要为当前的项目去创建一个conda虚拟环境，我习惯使用pycharm，所以就直接用它去创建。你的话，看着办，命令行同样非常简单，一般就是创建、激活、进入、下载包。 我就直接用pycharm来说明这几步。

创建，如下图，给自己的项目重新添加一个Conda虚拟环境，指定python版本，如下的虚拟环境就在envs目录下，名称默认就是项目名称

激活和进入，对于pycharm来说，直接开一个终端就能实现，如下图，此时就在当前项目的虚拟环境中
如果不是，你就需要去激活，不会可以留言

安装，指令如下，如果你用不到torchvision，就不要安装它

conda install pytorch1.3.1 torchvision0.4.2

使用conda可以在线安装成功

情况二、麻烦一点的：安装gpu版本的pytorch

依旧是随便猜测，conda如此好用，自然就用它去安装了；下面同样如此，torchvision视觉包可以选择不要，cudatoolkit 是需要的，cudatoolkit可以当作一个连接cuda和torch的工具，cuda是一个很大的工具包，而cudatoolkit确保只加载其中一部分。所以cudatoolkit版本要跟cuda版本一致。

conda安装指令

conda install pytorch1.3.1 torchvision0.4.2 cudatoolkit=10.1

这里要知道电脑显卡驱动、CUDA、CUdnn的一些东西
（1）CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

显卡驱动和cuda对应关系：英伟达（NVIDIA）显卡、驱动版本与cuda版本对应关系

（2）cuDNN是一个SDK，是一个专门用于神经网络的加速包。cuda和cudnn对应关系

安装cuda和cudnn：这里

在安装好cuda和cudnn之后，输入：

conda install pytorch1.3.1 torchvision0.4.2 cudatoolkit=10.1

然后，检验是否安装成功，如下：

总结：

• conda是个好工具

• pytorch gpu版本的安装，就比cpu版本，多两个东西，一个是cuda、cudnn的安装，另一个是连接工具cudatoolkit；

• cpu版本，conda install pytorch1.3.1 torchvision0.4.2

• gpu版本，conda install pytorch1.3.1 torchvision0.4.2 cudatoolkit=10.1

• 当你不做视觉的时候，可以不安装torchvision

最后，众多猜测之言，欢迎普及。

参考文章如下：
https://blog.csdn.net/weixin_38673554/article/details/90513732
https://blog.csdn.net/qq_40414818/article/details/89215514
https://blog.csdn.net/m0_37908464/article/details/105832448