深度学习入门篇（一）：环境搭建(PyTorch+Anaconda3+CUDA+PyCharm )

一、环境软件介绍：

PyTorch：是一个开源的Python机器学习库，基于Torch，底层由C++实现，应用于人工智能领域，如自然语言处理。它主要由Facebook的人工智能研究团队开发，并且被用于Uber的概率编程软件Pyro。
PyTorch主要有两大特征：
类似于NumPy的张量计算，可使用GPU加速；
基于带自动微分系统的深度神经网络。

它是一个核心模块，我们所应用的模型工程引用了这个库的接口，这个库实现了核心的机器学习算法。

Anaconda3:Anaconda是一个开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化软件包管理系统和部署。Anaconda的包使用软件包管理系统Conda[6]进行管理。
Conda:是一个开源、跨平台和语言无关的软件包管理和系统管理系统，通过Conda可安装、升级和升级软件包依赖。Conda为Python程序创造，但是它可以打包、分发任意语言编写的软件（例如R语言）和包含多语言的项目。Conda包含在所有版本的Anaconda、Miniconda 和Anaconda仓库中。

conda是管理众多软件包的，使用它可以创建并管理升级pytorch工程所依赖的各个版本的软件包，它可以创建多套python interpreter。

CUDA:（Compute Unified Device Architecture，统一计算架构[1]）是由英伟达NVIDIA所推出的一种集成技术，是该公司对于GPGPU的正式名称。透过这个技术，用户可利用NVIDIA的GPU进行图像处理之外的运算，亦是首次可以利用GPU作为C-编译器的开发环境。

就是图形计算加速引擎，如果用cpu运算也可以，但是会比较慢。

PyCharm:是一个用于计算机编程的集成开发环境(IDE)，主要用于Python语言开发，由捷克公司JetBrains开发，提供代码分析、图形化调试器，集成测试器、集成版本控制系统，并支持使用Django进行网页开发。

就是你写代码的地方，你的工程用它来打开及编写。

二、安装软件

安装pytharm，下载，下载后点next然后勾选自动配置环境变量。
安装Anaconda3，去官网下载，记得勾选add anaconda to system PATH environment variable.然后其他默认就可以了。
安装PyTorch前需要搞清楚你用的显卡支持的cuda toolkit的版本。
到windos桌面右键选择

NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件

可以看到cuda的版本是要求11.6的版本。
去官网下载pytorch，根据你的系统和使用的软件包管理工具来选择：

我们先不着急执行这个conda安装pytorch的指令，因为如果直接安装是装到默认的python interpreter 的，下面会介绍先新建一个interpreter再执行这个，利于后续管理和理解整个配置过程。
以上四个都执行好之后就可以开始配置pytorch环境了。

三、环境配置

1、打开新安装好的anaconda 的shell ：
打开后我们用conda 新建一个pytorch的环境，并且激活它

conda create -n pytorch_gpu python=3.9
conda activate pytorch_gpu
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

等跑完自动下载完pytorch的环境就准备好了，无法访问外网的同学应该要更换下载源了。
2、接着打开pycharm 我们来创建一个小工程

from __future__ import print_function
import torch
print(torch.__version__)
def print_hi(name):
    # Use a breakpoint in the code line below to debug your script.
    print(f'Hi, {name}')  # Press Ctrl+F8 to toggle the breakpoint.
# Press the green button in the gutter to run the script.
if __name__ == '__main__':
    print_hi('PyCharm')
x = torch.empty(5, 3)
print("torch.empty:")
print(x)
print("torch.version.cuda:");
print(torch.version.cuda)
print("torch.cuda.is_available():")
print(torch.cuda.is_available())

接着我们打开 File -> Settings 如下图，我们需要add interpreter 刚使用conda创建的pytorch_gpu

选择你刚装上的pytorch_gpu的python路径然后ok，接着apply。就可以了。
接着run 编译运行一下我们的程序：

这几行代码的解释如下

//1、验证咱们的torch的numpy张量运算没问题。
x = torch.empty(5, 3)
print("torch.empty:")
print(x)
//2、确认我们的cuda加速引擎已经安装好了
print("torch.version.cuda:");
print(torch.version.cuda)
//3、确保cuda版本正确可用，如果你的显卡太旧那将会打印false
print("torch.cuda.is_available():")
print(torch.cuda.is_available())

结尾

最近刚接触深度学习，后续会继续更新记录学习当中所理解到的心得体会，可用加关注，一键三连哦。
下面会接着下载一些开源的工程用这个环境跑一下看看效果如何。