PyTorch 是一个开源的深度学习框架,由 Facebook 的人工智能研究实验室(FAIR)开发,广泛应用于研究和生产。它提供了强大的张量计算、自动微分功能以及构建和训练神经网络的工具。通过 torch.nn
和 torch.optim
模块,用户可以方便地创建各种神经网络结构和优化算法,同时支持 GPU 加速以提升计算速度。
在应用领域方面,PyTorch 在计算机视觉和自然语言处理(NLP)中表现突出,提供了丰富的预训练模型和处理工具。它还被用于强化学习和生成对抗网络(GANs)等前沿技术,以及科学计算和算法研究。
本文从最开始的,显卡识别到anaconda的安装,再到虚拟空间的创建,最后完成了pytorch的安装以及安装验证,可以参考后续的在PyCharm中的使用。以及这个过程中关于虚拟空间建立在非C盘、CUDA版本的选择的一些细节问题。
目录
1、判断显卡类型
按照图示操作打开任务管理器判断是否为英伟达的显卡;
注:有无配套显卡只和运行的速度有关,一般不会影响运行结果。如果确实已经安装英伟达的显卡可以考虑更新显卡驱动,如果不是英伟达的显卡可以考虑参考CPU版本。
2,安装anaconda软件
可以通过访问https://www.anaconda.com/ Anaconda的官网下载该软件的安装包,也可以根据自己电脑配置情况选择之前版本;点击绿色的Donwload即可下载最新版本的anaconda。
历史版本Index of / (anaconda.com)https://repo.anaconda.com/archive/新版本
Download Now | Anacondahttps://www.anaconda.com/download/success
安装过程
选择安装路径时,避免中文;
避免麻烦,不勾选教程选项;
最后找到这个选项,点击打开,软件正常打开,证明安装已经完成。
3、创建虚拟环境
打开anaconda命令行;
创建虚拟环境时,可以考虑修改环境所在空间,默认会在C盘;
conda create -n 虚拟环境命名 python=3.10
输入"y"
虚拟环境创建完毕;
4、安装pytorch
如果安装有英伟达的显卡,可以根据这几张表,确定合适的CUDA版本,如果没有GPU也可以选择CPU版本;对于如何确定CUDA的版本,后续会有详细的教程。
CUDA的版本选择及其安装原理:CUDA版本的选择-CSDN博客
参考资料
https://blog.csdn.net/qq_51990574/article/details/141829078?spm=1001.2014.3001.5502
表格所在网站,国外的源:
https://en.wikipedia.org/wiki/CUDA
确定和合适的GPU版本之后,在pytorch的官网,确定合适的pytorch安装命令;PyTorchhttps://pytorch.org/
在命令空间中,自己创建的虚拟环境中输入该命令,完成pytorch的安装;
安装示例代码:
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
国内镜像地址:
清华大学镜像源 :
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
镜像地址的简单使用:
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ -c nvidia
pytorch的安装页面,输入y,或者连续敲击回车即可进行安装。
如果出现安装失败,可以重复输入该命令多次进行安装,安装完成后可以输入conda list 命令查看pytorch的安装情况。
conda list
如图为安装完成后的情况。
5、验证pytorch的安装验证
可以使用conda activate 环境命名进入虚拟
conda activate 空间命名
进入创建的空间之后一次输入一下代码:
python
import torch
torch.cuda.is_available()
如果最后输出为 “True”,证明安装完成。