Pytorch安装及配置

本文将详细讲解利用Anaconda安装Pytorch框架和将其环境配置到Pycharm。

Anaconda安装

Anaconda是一个开源Python发行版本，包含很多科学计算的依赖包，不仅可以便捷的下载和管理依赖包，而且可以统一管理发行版本，避免依赖包之间版本冲突。

1.首先进入Anaconda下载网页，点击下载Anaconda安装包，官网还提供了Mac和Linux版本的，可以根据自己电脑的操作系统下载。

2.下载完成后点击安装包进行安装，按照提示一步步进行安装，尽量不要安装在C盘，需要注意的是要记住安装的位置，便于后面在Pycharm配置路径时能够找到。

3.安装完成后，导航栏搜索输入Anaconda Prompt（可以直接在开始菜单寻找），找到并打开Anaconda命令窗口，如下图所示。base是Anaconda默认安装的环境，一般不在base环境下安装依赖包，而是使用conda命令来创建虚拟环境。

接下来创建一个名为“pytorch_3.8py”的虚拟环境。

4.在当前命令窗口中输入：conda create -n pytorch_3.8py python=3.8，该命令是创建一个名为“pytorch_3.8py”的虚拟环境，指定python版本为3.8。可以自行指定虚拟环境名称和python版本。

安装虚拟环境过程需要输入 y 回车确认。然后等待下载安装好虚拟环境。

conda create -n pytorch_38py python=3.8

5. 安装好虚拟环境后，切换到刚刚安装好的虚拟环境，输入命令为：conda activate pytorch_38py，这样就切换到pytorch_38py虚拟环境下。一下是一些常用命令

# 更换虚拟环境(可以加-n指定Python版本)
conda activate pytorch_38py
# 查看当前存在的虚拟环境
conda env list
# 退出当前的虚拟环境
conda deactivate
# 删除虚拟环境
conda env remove -n pytorch_38py

Pytorch安装

PyTorch是一个基于Python的科学计算框架，专注于机器学习和深度学习任务。它提供了丰富的工具和库，使得构建神经网络模型、进行张量计算和训练模型变得更加简单和高效。

以下是PyTorch的一些关键特点：

1. 动态计算图：PyTorch采用动态计算图的方式，允许你定义并修改计算图，简化了调试和开发过程。这与静态计算图的框架（比如TensorFlow）不同，后者需要先定义整个计算图，然后再进行执行。

2. GPU加速：PyTorch针对GPU编程进行了优化，利用CUDA加速计算，使深度学习模型的训练和推理更加高效。

3. 丰富的工具集：PyTorch提供了丰富的工具和库，包括自动微分、各种优化算法、丰富的神经网络层和模型结构，以及数据加载和处理工具，使得构建机器学习模型更加便捷。

4. 社区支持：PyTorch拥有庞大的社区支持，这意味着有大量的教程、文档、示例和开源项目可供学习和参考。

5. 灵活性：PyTorch提供了高度的灵活性，允许用户以Python语言进行深度学习模型的开发。这种灵活性使得用户可以自由地探索、调整和实验不同的模型结构和算法。

1.安装GPU版本首先得知道自己电脑的配置是否有独立显卡（非集显），没有安装CPU版即可

2.打开PyTorch官网页面往下拉，直达看到如下图所示位置。默认如图选择的配置，安装优先使用conda，当然也可以用pip进行安装。Compute Platform选择比自己电脑CUDA版本小的即可。没有GPU的选择CPU进行安装。

查看CUDA驱动版本可以按“Win+R”键，输入cmd回车，打开命令行窗口，输入nvidia-smi进行。如果版本太低，可以自行更新显卡驱动。

# 查看GPU使用情况、驱动版本和CUDA版本 
nvidia-smi

3.复制Run this Command右边的命令语句到之前Anaconda prompt窗口，粘贴上去回车运行下载安装。下载过程可能会很慢，可以切换镜像源（自行寻找方法）。执行完成后，出现下图提示表示安装完成。

4.安装完成后要测试pytorch是否能调用cuda，输入python进入python运行环境，再依次输入import torch和torch.cuda.is_available()，若为True则表示测试成功。这样我们就完成了Pytorch的安装了。

# 进入python运行环境 
python 
# 导入torch包，不是pytorch 
import torch 
# cuda是否能使用 
torch.cuda.is_available()

Pycharm配置Anaconda虚拟环境

1.在前面的步骤成功后，就可以将该虚拟环境配置到Pycharm中(可以先在pycharm中配置中文环境）。

打开Pycharm,创建或打开一个项目，点击右侧的设置->添加解释器->添加本地解释器。

2.在弹出的窗口左侧选择Conda 环境，在右侧Conda 可执行文件中需要选择Anaconda安装路径下的Scripts\conda.exe，我的路径为：D:\Anaconda3\Scripts\conda.exe。

选择好后Pycharm会识别出Anaconda的虚拟环境，在下拉框选择好虚拟环境即可。

总结

本文主要讲解pytorch的安装以及在pycharm中配置环境。pytorch分为GPU版本和CPU版本

使用PyTorch GPU版本有几个前提条件（本文并没有讲解，如有需要，请自行查找（主要是懒得写了））：

1. 拥有NVIDIA显卡：PyTorch GPU版本需要NVIDIA显卡以利用CUDA加速。确保你的电脑中有NVIDIA的GPU设备。

2. 安装NVIDIA驱动：为了使用GPU，需安装最新的NVIDIA显卡驱动程序，确保驱动版本与PyTorch所需的CUDA版本兼容。

3. 安装CUDA Toolkit：PyTorch使用CUDA来与NVIDIA GPU交互。安装适当版本的CUDA Toolkit是使用PyTorch GPU版的先决条件。建议选择与PyTorch兼容的CUDA版本。

4. 安装cuDNN：cuDNN是NVIDIA深度学习库，提供了GPU加速的深度神经网络功能。确保安装的cuDNN版本与所选择的PyTorch版本兼容。

在PyTorch官网上，你可以找到与所需PyTorch版本兼容的CUDA版本和cuDNN版本的信息。同时，PyTorch官网也提供了相应的安装指南和建议的驱动和库的版本。