深度学习图像分类之下载安装Pytorch

1. 简述Pytorch

PyTorch是一个开源的Python机器学习库，其前身是著名的机器学习库Torch。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch，它是一个面向Python语言的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这是很多主流深度学习框架比如Tensorflow等都不支持的。PyTorch既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。除了Facebook外，它已经被Twitter、CMU和Salesforce等机构采用。作为经典机器学习库Torch的端口，PyTorch 为 Python 语言使用者提供了舒适的深度学习开发选择。

目前Pytorch成为深度学习领域使用最火热的框架其原因主要包括以下三点：
(1) 简洁； （2）速度； （3）易用；

2. 安装步骤：

2.1 安装Python

由于Pytorch面向的是Python语言，因此首先需要安装Python。
由于之前已经安装过Python，因此这里不再重复安装（我安装的版本是3.7）。
Python的安装可以参考：全网最详细的Python安装教程（Windows） - 知乎 (zhihu.com)

2.2 安装CUDA

要特别注意的是Pytorch对CUDA的版本是有要求的，因此我们安装CUDA之前需要先确认到底装哪个CUDA版本才行。
(1) 首先我们要确定本机是否有独立显卡。在 计算机->设备管理器->显示适配器 中，查看是否有独立显卡，如下图所示：

查看独立显卡

如上图所示，可以看到，当前系统拥有NVIDIA显卡，型号为GeForce GTX 960M。
(2) 其次我们要查看本机显卡适合什么版本的CUDA。NVIDIA控制面板->帮助->系统信息->组件

查看适合的CUDA

由上图可知本机适合的CUDA版本为8.0。
(3) 开始安装CUDA。
根据正常思路，我们进入CUDA安装官网安装：https://developer.nvidia.com/cuda-toolkit-archive，但是我发现该官网无论我用什么方法都无法进入，于是我参考该文章关于下载cuda和cudnn官方网站访问不了的替代方案_sinat_29217765的博客-CSDN博客将网址https://developer.nvidia.com/cuda-toolkit-archive中的com改为cn后（https://developer.nvidia.cn/cuda-toolkit-archive）可顺利访问。

CUDA官网

下面我们选择 CUDA Toolkit 8.0进行下载。单击后会进入版本配置界面，按下图进行选择即可:

下载信息选择

下载完成后便自动进入安装程序。

安装

根据提示一步步安装即可，安装完毕之后打开cmd命令终端测试一下cuda是否安装成功
输入命令测试：

 nvcc -V

正常情况下会出现下图所示结果，说明安装成功：

测试结果

2.3 安装cuDNN。

由于官网下载cuDnn需要加入Nvidia developers会员才能进行下载,因此参考文章官网安装Nvidia CUDA Toolkit、cuDNN报错502的备用镜像下载网址_sinat_28371057的博客-CSDN博客_cudnn 镜像进行下载。要注意的是CUDA8.0对应的cuDNN版本是5.1。
下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0），直接覆盖安装即可完成。

2.4 安装Pytorch

安装完CUDA和cuDNN后，安装Pytorch相对比较简单。（虽然我还是遇到了蛮多问题）

进入Pytorch的安装选择配置页面，此时根据相关配置会自动给出安装方法，如下所示:Start Locally | PyTorch

Pytorch的安装选择配置页面

但是由于我根据本机的配置安装的版本为CUDA 8.0因此不在此页面内，我参考文章PyTorch 安装（CUDA 是8.0以下旧版本，如何安装 pytorch?）_u014546828的博客-CSDN博客进行安装，只需要在cmd终端中运行相应的命令即可：

pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.1.post2-cp37-cp37m-linux_x86_64.whl
pip3 install torchvision

但是由于使用cmd终端进行pip下载的时候一直下载到一半卡住，于是参考文章Python:pip install torch官网速度太慢的解决办法_谁偷了我的酒窝的博客-CSDN博客使用迅雷下载相应的安装包。下载完成后，用命令行打开文件所在的路径，重新输入安装命令。

安装torch

安装torchvision的时候我看许多文章表示安装完正确版本的torch后直接pip install就行，于是我照做了，于是我出错了，下面是我踩坑过程，请勿模仿

安装torchvision

从上图我们可以看到，系统发现我之前按照了torch0.4.1于是它把我的0.4.1版本删了删了删了,换成了其他版本...我刚开始没认真看于是接着验证了。

2.5 验证

验证Pytorch是否安装成功并且能够成功调用cuDNN。

验证Pytorch

使用命令行进行验证后发现，虽然安装成功但是安装的是cpu版本，因此导致验证False，问题应该是出在前面安装完torch后采用自动安装torchvision的时候它自动匹配选择了版本，因此我只能卸载重新安装，卸载命令很简单，就是把之前安装时的install改成uninstall即可。

卸载torch与torchvision

经历惨痛经历的我这次我根据文章pythorch版本和torchvision版本对应关系及torchvision安装_村西那条弯弯的河流的博客-CSDN博客下载相应版本的torchvision再进行pip安装。

版本对应

因此下载0.2.2版本的torchvision即可，但是在官网的链接里我并没有找到这个版本的torchvision，于是我在清华源找到了这个版本Links for torchvision (tsinghua.edu.cn)

清华源

找到链接后一样的方法使用迅雷进行下载，速度超快，几秒钟就完事了，然后打开下载路径进行pip安装即可。安装完成后重新进行验证。

验证成功

历经磨难！由图可知，版本正确，并且cuda正常可用，说明我们的Pytorch安装成功告一段落，撒花！