1. Anaconda
1.1 Anaconda下载
在机器学习,深度学习中,要用到大量的 package(就是各种工具包)。如果说,函数是一个工具,那么 package就是一个工具包。一个个安装 package 很麻烦,而且容易出现疏漏。于是,就有了
Anaconda,这是一个集成了常用于科学分析(机器学习,深度学习)的大量package。也就是说,你只要安装了Anaconda,就安装了很多我们之后要用的许多packages。
Anaconda的下载地址:这里
这里我选择的是64位的windows系统(Anaconda历史版本链接:这里)
1.2 Anaconda安装
具体安装过程不展示,安装完毕后在左下角搜索Anaconda Prompt,如果可以成功打开,且左边有 (base),即安装成功。
1.3 Anaconda中的虚拟环境
不同的项目往往需要引用不同版本的库包,但有时候包与包之间的版本可能存在冲突,自己手动修改很是麻烦。Anaconda 集成的 conda 包就能够解决这个问题。不同的项目使用不同的虚拟环境,各个虚拟环境内的库包互不干扰。
创建环境
conda create --name pytorch python=3.8 或 conda create --n pytorch python=3.8
其中pytorch为虚拟环境的名称
删除环境(慎用)
conda remove --name pytorch --all
激活环境
conda activate pytorch
退出环境
conda deactivate
查看环境列表
conda env list
2. PyTorch
2.1 PyTorch下载
进入PyTorch的官网下载:这里,选择适合自己电脑的版本,我的笔记本不带GPU,选择如下:
选择conda包来进行安装,打开cmd命令行,切换到之前创建的虚拟环境conda activate pytorch
此时发现报错
我的解决方法是直接输入activate pytorch 顺利激活环境。然后将前面安装PyTorch的conda指令复制下来conda install pytorch torchvision cpuonly -c pytorch,输入到命令行,等待安装完毕。
2.2 验证PyTorch是否安装成功
在刚刚的虚拟环境下,输入python指令,进入到python编辑器,然后依次输入以下两条指令:
import torch
torch.version
如果成功显示出PyTorch版本号,则说明安装成功。
2.3 其他的报错
例如不使用虚拟环境而是直接在命令行里直接conda或者pip指令来安装PyTorch,一般都会遇到这样的报错:
具体解决方案可以看看这位老哥的:这里,然而我换了镜像之后还是不能在cmd命令行里直接安装PyTorch,索性就不管了,能够在虚拟环境里安装就行。
3. 与PyCharm关联
新建好一个项目之后,在File->Settings->Project->Project Interpreter中将Python解释器更改为之前的虚拟环境中的Python解释器,并应用。(括号里面就是虚拟环境的名称)
验证是否关联成功
在main.py文件中相应位置添加两行代码:
import torch
->print(torch.version)
运行后若正确输出PyTorch的版本号,则说明关联成功。