Anaconda虚拟环境安装PyTorch并使用Spyder

笔者之前一直使用Spyder基于后端tensorflow的Keras框架运行一些深度学习实验,近来想在笔记本上安装Pytorch,也遇到一些问题,在这里总结一下,更多想用这种方式来记录一下自己的经验。
首先简单总结一下tensorflow、pytorch和keras的区别和联系,不从写法来分析,单纯就是基本分析
1.Tensoflow
TensorFlow由Google智能机器研究部门Google Brain团队研发的;TensorFlow编程接口支持Python和C++。随着1.0版本的公布,相继支持了Java、Go、R和Haskell API的alpha版本。在2017年,Tensorflow独占鳌头,处于深度学习框架的领先地位;但截至目前已经和Pytorch不争上下。Tensorflow目前主要在工业级领域处于领先地位。
2.Pytorch
Pytorch目前是由Facebook人工智能学院提供支持服务的。Pytorch目前主要在学术研究方向领域处于领先地位。其优点在于:PyTorch可以使用强大的GPU加速的Tensor计算(比如:Numpy的使用)以及可以构建带有autograd的深度神经网络。同时,PyTorch 的代码很简洁、易于使用、支持计算过程中的动态图而且内存使用很高效。
3.Keras
Keras是基于Tensorflow用纯python编写的深度学习框架,也就是说它是在Tensorflow的基础上再次集成的;所以,他的代码会更加简洁方便,适于初学者;但因为它是在Tensorflow的框架上再次封装的,那么运行速度肯定就没有Tensorflow快了。其主要优点在于:
用户友好
Keras可以说是专为人类的API;Keras遵循减少认知困难的最佳实践:Keras提供一致而简洁的API, 能够极大减少一般应用下用户的工作量。所以,当Pytorc和Tensoflow的框架代码看不懂的时候,试试Keras也是未尝不可的。

易扩展性
添加新的网络层等是非常容易的,只需要仿照现有的模块编写新的类或函数,然后使用model.add()即可。创建新模块的便利性使得Keras更适合于先进的研究工作。

综上所述:
Tensorflow更倾向于工业应用领域,适合深度学习和人工智能领域的开发者进行使用,具有强大的移植性。
Pytorch更倾向于科研领域,语法相对简便,利用动态图计算,开发周期通常会比Tensorflow短一些。
Keras因为是在Tensorflow的基础上再次封装的,所以运行速度肯定是没有Tensorflow快的;但其代码更容易理解,容易上手,用户友好性较强。
以上总结来自https://zhuanlan.zhihu.com/p/364670970

由于笔者之前经常使用Anaconda,所以已经安装Anaconda并且更新了显卡驱动。接下来是创建一个PyTorch的环境。(笔者之前一直在使用cmd或者Anaconda prompt按照PyTorch官网的代码来直接pip或者conda,在解析环境后一直无法下载安装,所以事先创建一个PyTorch是一个更好的选择。
1.创建PyTorch环境
在Anaconda prompt命令窗口里输入
conda create -n PyTorch python=3.8
(PyTorch是虚拟环境名字(可以随意设置),3.8 是python版本,都可以按自己需求改,一定要指定具体 python 版本。)
然后按 y,继续安装所需的各种依赖包。
创建成功后,输入以下命令:
conda info --envs
可以看见自己的所有环境。
2.安装PyTorch
打开 Anaconda prompt 命令窗口,进入你刚刚所创建的环境(笔者命名为PyTorch)
conda activate PyTorch
进入环境后
另外打开网页进入pytorch官网:https://pytorch.org/
网页下拉,即可看到下图,官网会自动根据你的电脑,显示的即是你可安装的CUDA版本,并给出安装命令。
Anaconda虚拟环境安装PyTorch并使用Spyder_第1张图片
复制官网提供的命令
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
最后在刚刚的环境下输入官网提供的命令,即可下载
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
3.测试
打开 Anaconda prompt 命令窗口,激活环境,输入python,进入python开发环境中

import torch
torch.cuda.is_available()

Anaconda虚拟环境安装PyTorch并使用Spyder_第2张图片
显示True即为成功。
以上过程参照https://zsyll.blog.csdn.net/article/details/119153893?spm=1001.2014.3001.5506
其中在下载安装PyTorch的过程中可能遇到网速或者源的问题下载较慢,可以参照以上链接切换源。笔者本身在国外,没有遇到相关的问题。
4.虚拟环境下载Spyder
Spyder是一个挺好用的python IDE。
首先要知道 Anaconda自带的spyder使用的是base环境(可通过conda info --envs在Anaconda Prompt里查看自己的环境),如果想在虚拟环境中用Spyder,或者 说是Spyder中用虚拟环境中的库,则需要在虚拟环境中安装并启动,有两种方法,第一种可以通过命令的方式,第二种就是通过Anaconda来操作。

通过命令的方式,在Anaconda Prompt里进入创建的虚拟环境PyTorch,再安装spyder,最后启动。

conda activate PyTorch
conda install spyder

通过Anaconda来操作,打开Anaconda,创建一个环境,切换到创建好的环境,然后再安装spyder,最后启动即可。

你可能感兴趣的:(深度学习)