周报（1）

20230710-20230716

本周内容：Python语言的学习和pytorch安装配置

1 Python基础知识

1.1 交互式解释器

启动python后，可见如图所示提示符，提示信息和配置环境中python版本有关。
下面我们进行传统的做法：

如果你熟悉其他计算机语言，可能习惯了在每行末尾都加上分号。在Python中无需这样做，因为在Python中，一行就是一行。

1.2 数和表达式

所有常见算术运算符的工作原理都与预期的一致：

除法运算的结果为小数，即浮点数（float或floating-point number）。
如果想丢弃小数部分，即执行整除运算，可使用双斜杠：


这是求余(求模)运算符x%y的结果为x除以y的余数。结果为执行整除时余下的部分，即 x% y等价于x-((x//y)*y)。

乘方运算符的优先级比求负（单目减）高，因此-2**2等价于-(2**2)。

1.3 变量

Python中的变量理解起来很容易。变量是表示（或指向）特定值的名称。例如，你可能想使用名称x来表示3，为此执行如下代码：这称为赋值（assignment），我们将值3赋给了变量x。不同于其他一些语言，使用Python变量前必须给它赋值，因为Python变量没有默认值。

在Python中，名称（标识符）只能由字母、数字和下划线（_）构成，且不能以数字打头。

1.4 获取用户输入

这里在交互式解释器中执行了第一行（input(…)），它打印字符串"The meaning of life:"，提示用户输入相应的信息。我输入42并按回车。这个数被input（以文本或字符串的方式）返回，并在最后一行被自动打印出来。

1.5 函数

上面使用了乘方运算符（**）来执行幂运算。实际上，可不使用这个运算符，而使用函数pow。

Python提供了很多函数，通常将pow等标准函数称为内置函数。

1.6 模块

要导入模块，使用import。
使用import导入模块，再以module.function的方式使用模块中的函数。

1.7 字符串

1.7.1 单引号字符串以及对引号转义

与数一样，字符串也是值：

Python在打印字符串时，用单引号将其括起，而我们使用的是双引号。这没有任何差别。有些情况下，可能有用：
第一个字符串包含一个单引号，第二个字符串包含双引号。这样Python将明白中间的引号是字符串的一部分，而不是字符串结束的标志。可使用反斜杠（\）对引号进行转义，如下所示：

1.7.2 拼接字符串

依次输入了两个字符串，而Python自动将它们拼接起来了。

1.7.3 字符串表示str 和repr

Python打印所有的字符串时，都用引号将其括起。这是因为Python打印值时，保留其在代码中的样子，而不是你希望用户看到的样子。但如果你使用print，结果将不同。

如果再加上表示换行符的编码\n，差别将更明显。

使用str能以合理的方式将值转换为用户能够看懂的字符串。例如，尽可能将特殊字符编码转换为相应的字符。使用repr时，通常会获得值的合法Python表达式表示。

Pytorch 的安装

PyTorch的安装是我们学习PyTorch的第一步，也是经常出错的一步。在安装PyTorch时，我们通常使用的是Anaconda/miniconda+Pytorch+ IDE 的流程。

经过本节的学习，你将收获：

• Anaconda/miniconda的安装及其常见命令
• PyTorch的安装流程
• 如何选择一个适合自己的PyTorch版本

Anaconda的安装

在数据科学和最近很火的深度学习中，要用到大量成熟的package。我们一个个安装 package 很麻烦，而且很容易出现包之间的依赖不适配的问题。而 Anaconda/miniconda的出现很好的解决了我们的问题，它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。

Step 1：安装Anaconda/miniconda

登陆Anaconda | Individual Edition，选择相应系统DownLoad，此处以Windows为例（Linux可以点击链接选择合适的版本进行下载或者通过官方提供的shell脚本进行下载）：

Step 2：检验是否安装成功

在开始页找到Anaconda Prompt，一般在Anaconda3的文件夹下,( Linux在终端下就行了）

Step 3：创建虚拟环境

Windows在Anaconda Prompt进行

查看现存虚拟环境

查看已经安装好的虚拟环境，可以看到我们这里已经有三个环境存在了

conda env list 

创建虚拟环境

在深度学习和机器学习中，我们经常会创建不同版本的虚拟环境来满足我们的一些需求。下面我们介绍创建虚拟环境的命令。

conda create -n env_name python==version 
# 注：将env_name 替换成你的环境的名称，version替换成对应的版本号

安装包

conda install package_name 
# 注：package_name 替换成对应的包的名称，eg: pandas

卸载包

conda remove package_name
# 注：package_name 替换成对应的包的名称，eg: pandas

显示所有安装的包

conda list

删除虚拟环境命令

conda remove -n env_name --all 
# 注：env_name 替换成对应的环境的名称

激活环境命令

conda activate env_name
# 注：env_name 替换成对应的环境的名称

退出当前环境

conda deactivate

关于更多的命令，我们可以查看Anaconda/miniconda官方提供的命令，官网链接：点击这里

Step 4：换源

在安装package时，我们经常会使用pip install package_name和conda install package_name 的命令，但是一些package下载速度会很慢，因此我们需要进行换源，换成国内源，加快我们的下载速度。以下便是两种对应方式的永久换源。如果我们仅仅想为单次下载换源可以使用pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple进行下载。

pip换源

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）官方换源帮助

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。

查看显卡

该部分如果仅仅只有CPU或者集显的小伙伴们可以跳过该部分

windows：

我们可以通过在cmd/terminal中输入nvidia-smi、使用任务管理器查看自己是否有NVIDIA的独立显卡及其型号

[

安装PyTorch

Step 1：登录PyTorch官网

Step 2：Install

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 3：选择命令

我们需要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Terminal，输入conda activate env_name(env_name 为你对应的环境名称)，切换到对应的环境下面，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

   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 4：在线下载

如果我们使用的Anaconda Prompt进行下载的话，我们需要先通过conda activate env_name，激活我们的虚拟环境中去，再输入命令。

注: 我们需要要把下载指令后面的 -c pytorch 去掉以保证使用清华源下载，否则还是默认从官网下载。

Step 5：离线下载

Windows：

在安装的过程中，我们可能会出现一些奇奇怪怪的问题，导致在线下载不成功，我们也可以使用离线下载的方法进行。

下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

通过上面下载地址，我们需要下载好对应版本的pytorch和 torchvision 包，然后打开Anaconda Prompt/Terminal中，进入我们安装的路径下。

cd package_location
conda activate env_name

接下来输入以下命令安装两个包

conda install --offline pytorch压缩包的全称（后缀都不能忘记）
conda install --offline torchvision压缩包的全称（后缀都不能忘记）

Step 6：检验是否安装成功

进入所在的虚拟环境，紧接着输入python，在输入下面的代码。

import torch

torch.cuda.is_available()

False

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。

下周计划

继续学习python，学习pytorch基本使用以及深度学习相关基础知识