pytorch入门

1、下载Anaconda3

  首先需要去Anaconda官网下载最新版本Anaconda3(https://www.continuum.io/downloads)，我下载是是带有python3.6的Anaconda3-4.4.0-Linux-x86_64.sh。

2、安装Annconda3

   bash Anaconda3-4.4.0-Linux-x86_64.sh   在home/ubuntu出现anaconda3文件夹(注：ubuntu是系统用户名、下同)。

   source ~/.bashrc

   安装的过程中需要选择三个yes、一个也不能少，这样就不用配置环境变量了

3、配置环境变量

   gedit ~/.bashrc  加入下面那行命令

   export CMAKE_PREFIX_PATH=/home/ubuntu/anaconda3/bin

   gedit ~/.bash_profile   加入下面那行命令

   export PATH="/home/ubuntu/anaconda3/bin:$PATH"

4、还需要安装一些依赖库

   conda install numpy mkl setuptools cmake gcc cffi 

   conda install -c soumith magma-cuda75     # or magma-cuda80 if CUDA 8.0

   （若出现conda not found之类的错误，运行命令source ~/.bashrc 、然后在执行）

5、源码安装pytorch

   （1）可以用github上的这个链接（https://github.com/pytorch/pytorch）的源码，git cone(首先要建立git与github的ssh)到本地，运行

     pip install -r requirements.txt 、python setup.py install安装即可。

     注：不推荐使用这个github上面的源码安装、因为可能是因为pytorch版本的问题，导致我后面使用Tensor张量的时候出现了一下问题，例如经过  Temsor.max()函数之后把我的二维的变成了一维。

   （2）http://pytorch.org/ ，conda命令下载安装。

   （3）conda install -c peterjc123 pytorch=0.1.12     运行这个命令就OK

    pytorch最近官网源码有了新的更新，但是Conda命令安装的可能还是以前没有更新的，更新之后源码问题应该也改善了，所以也可以选择源码安装。

6、测试

   安装结束之后，打开python输入import torch 若不出现错误就已经安装成功了。

7、自己遇到的问题

  （1）若心打开一个terminal在python中输入import torch出现不能发现torch moudle的错误，很疑惑，明明pytorch已经安装成功了，为什么还会出现这种错误呢，这个问题应该是环境变量没有配置好的问题，可以自己上网查看,不嫌麻烦的话也可以运行命令 source  ~/.bash_profile  在运行import torch就可以了，但还是要注意安装的过程中就把环境变量配置好。

  （2）安装过程中可能需要pip git vim等命令、有时候需要update的，要注意一下

一：安装anaconda
 

我安装的是python2.7，64位

https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh

[plain] view plain copy

1. bash Anaconda2-4.3.1-Linux-x86_64.sh  

[plain] view plain copy

1. source ~/.bashrc  

二：安装pytorch

[plain] view plain copy

1. gedit ~/.bashrc  

然后加入：

[plain] view plain copy

1. export CMAKE_PREFIX_PATH=/home/s/anaconda2/bin  

 

接下来安装部分依赖库：

[plain] view plain copy

1. <span style="font-size:14px;"># Install basic dependencies  
2. conda install numpy mkl setuptools cmake gcc cffi  
3.   
4. # Add LAPACK support for the GPU  
5. conda install -c soumith magma-cuda75 # or magma-cuda80 if CUDA 8.0</span>  

 

下载pytorch的源码包：https://github.com/pytorch/pytorch/archive/master.zip
 

[plain] view plain copy

1. <span style="font-size:14px;">cd /home/s/tool/pytorch/pytorch-master  
2. pip install -r requirements.txt  
3. python setup.py install</span>  

export CMAKE_PREFIX_PATH="$(dirname $(which conda))/../" # [anaconda root directory]

# Install basic dependencies

conda install numpy pyyaml mkl mkl-include setuptools cmake cffi typing

# Add LAPACK support for the GPU

conda install -c pytorch magma-cuda80 # or magma-cuda90 if CUDA 9

git clone --recursive https://github.com/pytorch/pytorch

cd pytorch

python setup.py install

1.PyTorch安装

目前来说Pytorch只支持Linux和OSX两个平台，所以我选择Ubuntu12.04来进行PyTorch的安装和使用。

1.1 准备工作

(1) Anaconda

选择Anaconda进行Python安装，更轻松，很多第三方库包括matplotlib, numpy, scipy都已经配置好。其实你仔细去看看anaconda安装目录下的site-packages，会发现很多好玩的东西，比如开源的机器学习平台sklearn。

为了解决访问国外网站速度慢的问题，我们选择国内清华大学的tuna镜像，先下载安装包：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

• 1

TUNA 还提供了 Anaconda仓库的镜像，运行以下命令之后，就可以从TUNA镜像源下载所需要的第三方包，速度再也不是蜗牛了。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

• 1
• 2

同时需要在~/.condarc中把- defaults那行删除，这样每次安装新的软件包就会从TUNA镜像下载。

(2) Git Clone源代码

相信我，如果按照PyTorch官方的“简单愉快”的方法去安装，是不可能的，从conda下面访问资源的速度很慢，试了几次还是不行。

## PyTorch官网提供的安装方法

conda install pytorch torchvision -c soumith

• 1
• 2

那么最后还有一个选择，install from source，果断在GitHub上找到PyTorch的repository:

https://github.com/pytorch/pytorch

• 1

接下来需要做的就是将PyTorch最新的源代码取到本地：

gitclone https://github.com/pytorch/pytorch.git

• 1

PS：这一步很重要，如果是选择download zip的方式下载PyTorch的源代码，在进行编译安装时会报错，所以这一步请务必选用gitclone下载代码。

(3) Install from Source

根据PyTorch源代码的readme中的安装步骤，我们要先配置环境变量CMAKE_PREFIX_PATH，打开~/.bashrc输入：

export CMAKE_PREFIX_PATH=[anaconda root directory]

• 1

其中“[anaconda root directory]”指的是Anaconda的安装文件夹下的bin文件夹。在我的Ubuntu12.04上，安装路径如下：

export CMAKE_PREFIX_PATH=/home/wblgers/anaconda3/bin

• 1

另外由于我的GPU不支持CUDA，只能安装CPU部分，所以还需要设置环境变量NO_CUDA为1：

export NO_CUDA=1

• 1

在完成上述两个环境变量配置后需要记得这一步，使环境变量生效：

source .bashrc

• 1

然后，我们需要安装PyTorch的依赖库：

conda install numpy pyyaml mkl setuptools cmake gcc cffi

• 1

最后，一切准备就绪！马上进入愉快的编译安装过程：

python setup.py install

• 1

大概十分钟左右，提示安装成功，马上进入Python试一试：

Python 3.5.2 |Anaconda 4.2.0 (64-bit)| (default, Jul  2 2016, 17:53:06) 

[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux

Type "help", "copyright", "credits" or "license" for more information.

>>> import torch

>>> x = torch.rand(5,3)

>>> print(x)

 0.0592  0.4292  0.5637

 0.6365  0.2012  0.5649

 0.2594  0.8850  0.5157

 0.0689  0.4914  0.8834

 0.3978  0.7032  0.6879

[torch.FloatTensor of size 5x3]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

可以看到import torch可以成功，表示PyTorch的安装完成！仔细一看PyTorch里面的数据操作和Matlab挺像的，方便上手。

2.TorchVision安装

TorchVision为PyTorch提供视频和图像方面的支持，包括数据库和模型等。安装好了之后可以很方便地导入很多图像数据库，比如cifar-10。下载地址为：

https://pypi.python.org/pypi/torchvision/0.1.8

• 1

我们点击Download下载whl文件，然后在Anaconda的环境中启动pip进行安装：

pip install torchvision-0.1.8-py2.py3-none-any.whl

• 1

至此，TorchVision就已经安装成功！

3. 小试牛刀

PyTorch官网的入门教程中有一个有关图像分类的，我们尝试着完成这个教程：

http://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html

• 1

在页面的最下面有代码的下载链接，选择下载“cifar10_tutorial.py”，直接在终端中运行程序：

python cifar10_tutorial.py

• 1

出现以下提示，正在下载cifar10数据库。

Downloading http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz

• 1

等了很久还是没下载好，我选择用其他下载工具譬如迅雷，直接下载cifar-10-python.tar.gz，大小接近180M，怪不得这么久。

然后在data文件夹里，对数据库解压：

tar -xzvf cifar-10-python.tar.gz

• 1

解压好了再选择运行代码cifar10_tutorial.py，提示数据验证通过：

Files already downloaded and verified

Files already downloaded and verified