pytorch1 安装
pytorch1 安装
前言
因为最近打算深入cv领域，所以开启了相关的学习。
本系列博客，参考了网上很多的开源资料，所以有所类似，请忽略。
为什么写本博客
前人种树，后人乘凉。希望自己的学习笔记可以帮助到需要的人。
本文目录结构
文章目录
-
- pytorch1 安装
-
- 1. 为什么不用tensorflow？
- 2. 版本选择和安装：
-
- 2.1 版本选择：
- 2.2 cpu安装：
- 2.3 gpu安装：
- 3. FAQ：
1. 为什么不用tensorflow？
我之前也用了tensorflow的，主要是看到的教程大部分都是使用tensorflow写的。但是师兄他们都用的pytorch，所以我也开始转战pytorch。
另外，从客观上来说，pytorch确实比tensorflow要舒服一些，不像tensorflow api混乱，经常会出现重复的api。
2. 版本选择和安装：
2.1 版本选择：
pytorch主要分为两个大版本：cpu & gpu，这两个版本大家都需要安装，因为我相信大家的电脑基本上都可以带动的。
另外，一般大家安装会安装两个东西：torch & torchvision，其中前者是我们实现自定义神经网络的包，里面包含了各种激活函数、损失函数、优化器、全连接层、卷积层等等API，后者则是图像处理包和经典网络包，里面主要有一些图像处理函数、经典的神经网络结构（AlexNet、VGG等等）。
2.2 cpu安装：
cpu安装非常简单，直接在命令行：
pip install torch
pip install torchvision
另外，如果你网速较慢，可以指定国内的源：
pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 上面是清华源，也可以改为其它的
2.3 gpu安装：
gpu安装比较麻烦，主要分为以下几步：
1. 查看自己GPU型号
2. 安装对应版本的驱动
3. 安装对应版本的cuda
4. 安装对应的cuDNN
5. 安装torch
查看自己GPU型号
首先，查看自己的GPU型号：
方法： 打开我的电脑，然后打开设备管理器
可以看出，我的GPU独显的型号是：
GeForce GTX 1650
安装驱动程序
打开网址：
https://www.nvidia.com/en-us/geforce/drivers/
然后，根据自己的GPU型号、电脑系统版本选择对应型号即可，然后点击Start Search，在下面的结果中选择第一个即可：
下载完安装包后，就像你安装任何一个软件样，安装即可。
安装完成后，建议重启电脑，然后打开任务管理器，查看是否正常运行：
方法：
win + s，搜索任务管理器
或者
在电脑下方的状态栏，右键，选择任务管理器
如果有GPU1表示安装成功。
安装CUDA
首先，打开网址：
https://developer.nvidia.com/cuda-downloads
然后按照下图操作：
上面仅仅是下载最新版本的cuda，但是最佳的是选择我们GPU版本对应的cuda。
此时，打开网址：
https://developer.nvidia.com/cuda-gpus
然后，按照下图操作即可：
然后，打开下面的网址，找到我们需要的版本下载到本地即可：
https://developer.nvidia.com/cuda-toolkit-archive
下载完成后，正常安装即可。
安装cuDNN
打开网址：
https://developer.nvidia.com/cudnn
然后，按照下图操作：
下载完成后，我们把它解压到c盘下的cuda文件夹内（你改为其它的也可以），需要为它配置一下环境变量：
这里的路径： c:/cuda/bin，就是你cudnn安装的路径
下载gpu版本的torch和torchvision
方法如下：
1. 打开网址
https://download.pytorch.org/whl/torch_stable.html
2. 找到对应版本的torch和torchvision并下载安装包（2GB大小左右）
3. 使用pip安装：
pip install "安装包路径"
检验是否安装成功
运行下面代码测试即可：
>>> import torch
>>> torch.cuda.is_available()
True
返回True代表安装成功。
3. FAQ：
- 所有网址都可以正常打开
- 按照上面步骤正常情况可以顺利安装成功，我自己安装没有遇到什么问题
- 英伟达官网下载东西可能需要自己注册一个账号，正常注册即可