Pytorch简介和安装

1. Pytorch简介

需要在开头指出的是，本节内容是在Datawhale组队学习的过程中学习到的资料。课程传送门：深入浅出Pytorch

1.1. Pytorch的介绍

PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2项目并入Pytorch， Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总的来说，PyTorch是当前难得的简洁优雅且高效快速的框架。因此本课程我们选择了PyTorch来进行开源学习。

1.2 Pytorch的优势

PyTorch有着下面的优势：

• 更加简洁，相比于其他的框架，PyTorch的框架更加简洁，易于理解。PyTorch的设计追求最少的封装，避免重复造轮子。
• 上手快，掌握numpy和基本的深度学习知识就可以上手。
• PyTorch有着良好的文档和社区支持，作者亲自维护的论坛供用户交流和求教问题。Facebook 人工智能研究院对PyTorch提供了强力支持，作为当今排名前三的深度学习研究机构，FAIR的支持足以确保PyTorch获得持续的开发更新。
• 项目开源，在Github上有越来越多的开源代码是使用PyTorch进行开发。
• 可以更好的调试代码，PyTorch可以让我们逐行执行我们的脚本。这就像调试NumPy一样 – 我们可以轻松访问代码中的所有对象，并且可以使用打印语句（或其他标准的Python调试）来查看方法失败的位置。
• 越来越完善的扩展库，活力旺盛，正处在当打之年。

2. Pytorch的安装

本文默认已经安装好了Anaconda和Pycharm，如果仍未安装，可以查看CSDN或者知乎上大佬们的博客。我在这里就不班门弄斧了。

Step 1：创建虚拟环境

Windows在Anaconda Prompt进行。创建虚拟环境还是相当重要的，因为如果我不小心把这个环境搞换掉了，删除它就可以了（因为是虚拟的嘛，所以比较任性一点）。创建虚拟环境的命令如下，

conda create -n 虚拟环境名称 python==版本名称

tips：在选择Python版本时，不要选择太高，建议选择3.6-3.8，版本过高会导致相关库不适配。

安装成功后，我们输入如下命令，激活它即可

conda activate 虚拟环境名称

Step 2 ： 查看自己的显卡（CPU或者集显的小伙伴们可以跳过该部分，如果没有独显也不用慌，我们可以就安装CPU版本，或者把我们写好的代码放到Google的colab上允许）

• 对于windows系统：

在cmd/terminal中输入nvidia-smi（Linux和Win命令一样）、使用NVIDIA控制面板或者使用任务管理器查看自己是否有NVIDIA的独立显卡及其型号。我电脑的型号是RTX2060的，是有独显的。

Step 3：登录官网Pytorch官网

Pytorch的官网界面如下：（还是蛮喜欢这个背景颜色的）

点击Install按钮，进入相关界面。这个界面我们可以选择本地开始（Start Locally），云开发（Cloud Partners)，以前的Pytorch版本（Previous Pytorch Versions），移动端开发（Mobile），在此处我们需要进行本地安装。

Step 4：在线下载

在下面这个界面中，我们会看到官网提供的几个选项。结合自己情况选择命令并复制下来，然后使用conda下载或者pip下载（建议conda安装！）打开Pycharm下方的Terminal或者Anaconda的Poweshell Prompot，输入conda activate 虚拟环境名称，激活环境并切换到环境下面，把官网提供的代码复制粘贴后（就是Run this command后面的那一行命令），我们就可以进行Pytorch的安装了。

注意事项

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，建议还是需要NVIDIA GPU

3. 官方建议我们使用Anaconda来进行管理

4. 关于安装的系统要求

   1. Windows：
      1. Windows 7及更高版本；建议使用Windows 10或者更高的版本
      2. Windows Server 2008 r2 及更高版本
   2. Linux：以常见的CentOS和Ubuntu为例
      1. CentOS, 最低版本7.3-1611
      2. Ubuntu, 最低版本 13.04，这里会导致cuda安装的最大版本不同
   3. macOS：
      1. macOS 10.10及其以上

5. 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

Step 5：检验是否安装成功

进入所在的虚拟环境，输入

import torch

torch.cuda.is_available()

这条命令意思是检验是否可以调用cuda，如果安装的是CPU的小伙伴们会返回False，GPU的小伙伴会返回true。一般这个命令不报错的话就证明安装成功。