Pytorch学习--组队学习-笔记

第一章 pytorch简介和安装

1.1 pytorch简介

pytorch是一种深度学习库，是简洁且高效快速的框架。

1.2 pytorch的安装

Anaconda/miniconda + pytorch + IDE

1.2.1 Anaconda的安装

anaconda集成了常用于科学分析（机器学习， 深度学习）的大量package，并且借助于conda我们可以实现对虚拟Python环境的管理。
进入anaconda官网下载相应系统的版本。在开始页找到Anaconda Prompt,就说明安装成功。

1. 创建虚拟环境，命令为：conda create -n env_name python==version【创建不同的环境是为了满足我们的不同的需求，比如有些项目要求我们的python版本为2.x，而有的项目要求python版本为3.x】；
2. 查看虚拟环境，命令为：conda env list；
3. 删除虚拟环境，命令为：conda remove -n env_name --all；
4. 安装包以及卸载包的命令为：conda install/remove package_name；
5. 显示所有安装的包：conda list；
6. 激活环境命令：conda activate env_name；
7. 退出当前环境：conda deactivate；
8. 有关更多conda的命令，请查看conda命令。

换源

1. 为什么要换源？下载package时，下载速度会很慢，因此要进行换源，加快我们的下载速度。

2. 换源步骤：
   pip换源
   Linux：
   Linux下的换源，我们首先需要在用户目录下新建文件夹.pip，并且在文件夹内新建文件pip.conf，具体命令如下
   cd ~
   mkdir .pip/
   vi pip.conf
   随后，我们需要在pip.conf添加下方的内容:
   [global]
   index-url = http://pypi.douban.com/simple
   [install]
   use-mirrors =true
   mirrors =http://pypi.douban.com/simple/
   trusted-host =pypi.douban.com

   Windows：
   1、文件管理器文件路径地址栏敲：%APPDATA% 回车，快速进入 C:\Users\电脑用户\AppData\Roaming 文件夹中 2、新建 pip 文件夹并在文件夹中新建 pip.ini 配置文件 3、我们需要在pip.ini 配置文件内容，我们可以选择使用记事本打开，输入以下内容，并按下ctrl+s保存，在这里我们使用的是豆瓣源为例子。

   [global]
   index-url = http://pypi.douban.com/simple
   [install]
   use-mirrors =true
   mirrors =http://pypi.douban.com/simple/
   trusted-host =pypi.douban.com
   conda换源(清华源）
   Windows系统：
   TUNA 提供了 Anaconda 仓库与第三方源的镜像，各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行conda config --set show_channel_urls yes生成该文件之后再修改。完成这一步后，我们需要修改C:\Users\User_name.condarc这个文件，打开后将文件里原始内容删除，将下面的内容复制进去并保存。

channels:

• defaults
  show_channel_urls: true
  default_channels:
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

这一步完成后，我们需要打开Anaconda Prompt 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

Linux系统：
在Linux系统下，我们还是需要修改.condarc来进行换源
cd ~
vi .condarc
在vim下，我们需要输入i进入编辑模式，将上方内容粘贴进去，按ESC退出编辑模式，输入:wq保存并退出
我们可以通过conda config --show default_channels检查下是否换源成功，如果出现下图内容，即代表我们换源成功。
同时，我们仍然需要conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

1.2.2 查看显卡

windows
我们可以通过在cmd/terminal中输入nvidia-smi（Linux和Win命令一样）、使用NVIDIA控制面板和使用任务管理器三种方式来查看自己是否有NVIDIA的独立显卡及其型号。
Linux
在终端输入nvidia-smi。

1.2.3 安装pytorch

在pytorch官网选择适合自己的方式下载适合自己系统的版本。打开Terminal，输入conda activate env_name，激活环境并切换到环境下面，我们就可以进行PyTorch的安装了。
注：

1. Stable代表的是稳定版本，Preview代表的是先行版本；
2. 可以结合电脑是否有显卡，选择CPU版本还是CUDA版本，CUDA版本需要拥有独显且是NVIDIA的GPU。
3. 官方建议我们使用Anaconda/miniconda来进行管理
4. 关于安装的系统要求
5. Windows：Windows 7及更高版本；建议使用Windows 10或者更高的版本；Windows Server 2008 r2 及更高版本
6. Linux：以常见的CentOS和Ubuntu为例， CentOS, 最低版本7.3-1611；Ubuntu, 最低版本 13.04，这里会导致cuda安装的最大版本不同
7. macOS：macOS 10.10及其以上
8. 有些电脑所支持的cuda版本<10.2，此时我们需要进行手动降级，即就是cudatoolkit = 你所适合的版本，但是这里需要注意下一定要保持PyTorch和cudatoolkit的版本适配。查看Previous PyTorch Versions | PyTorch。
   可以选择在线下载和离线下载两种方式来下载。
9. 若没有安装成功，则可以根据提示信息来进行后面的步骤，比如我在安装过程中出现了“PackagesNotFoundError: The following packages are not available from current channels: ” torchaudio包没有在上述的channel找到，我根据后面的提示信息在anaconda官网上找到了这个包的下载指令，安装成功了。
10. 进入所在的虚拟环境，先输入python，在输入下面的代码。
    import torch
    torch.cuda.is_available()
    这条命令意思是检验是否可以调用cuda，如果我们安装的是CPU版本的话会返回False，能够调用GPU的会返回True。一般这个命令不报错的话就证明安装成功。

1.2.4 安装pycharm

1. 进入pycharm官网下载对应的版本，一般下载社区版本。
2. 配置环境
   我们需要将虚拟环境设为我们的编译器，具体操作：File --> Settings --> Project:你的项目名称–> Python Interpreter

进去后，我们可以看见他使用的是默认的base环境，现在我们需要将这个环境设置成我们的test环境,点击齿轮，选择Add。
点击Virtualenv Environment ，选择Existing environment，将Interpreter设置为test环境下的python.exe。
注：如果在pycharm的环境时，想进入我们的虚拟环境，要使用conda activate 名称。

1.3 pytorch的学习资源

1. Awesome-pytorch-list：目前已获12K Star，包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。
2. PyTorch官方文档：官方发布的文档，十分丰富。
3. Pytorch-handbook：GitHub上已经收获14.8K，pytorch手中书。
4. PyTorch官方社区：PyTorch拥有一个活跃的社区，在这里你可以和开发pytorch的人们进行交流。
5. PyTorch官方tutorials：官方编写的tutorials，可以结合colab边动手边学习
6. 动手学深度学习：动手学深度学习是由李沐老师主讲的一门深度学习入门课，拥有成熟的书籍资源和课程资源，在B站，Youtube均有回放。
7. Awesome-PyTorch-Chinese：常见的中文优质PyTorch资源