PyTorch功能强大,可以简洁方便的实现多种network。Anaconda是一个PyTorch包管理工具,能够在同一机器上创建多个互不影响的Python环境。本教程首先安装Anaconda,再创建特定环境,运行PyTorch实现的reinforcement learning程序。
Part1:安装Anaconda和PyCharm
按照教程从清华的源下载Anaconda并安装,安装后注意配置Anaconda的源,以便提高之后下载速度。下载PyCharm并安装,注册码。安装后,设置编程界面的环境时,不建议使用import setting,这种方法可能导入之前setting默认的Python解释器的位置,不好清除。
Anaconda的基本操作包括:创建环境,在指定环境下安装包等,可以参考Anaconda基本操作。目前不是特别熟悉conda环境下安装Python包,遇到挺多问题。
Part2:在Anaconda上安装PyTorch
PyTorch官网给出的安装方法很简洁:
conda install pytorch torchvision cuda80 -c soumith
直接使用conda进行安装,优势在于可以装好一系列的依赖包。但按照上述方法尝试时,遇到如下问题:
HTTPS:errors
本质上,这种方法是直接使用编译好的二进制文件进行安装。但在下载过程中由于网络问题,导致出错。参照夜空_7ddd踩过的坑,根据建议,直接编译源码进行安装。安装过程需要半个小时左右。
备注:从GitHub下载代码的方式:
git clone https://github.com/pytorch/pytorch.git
注意,近来由于网络的问题,从GitHub上下载的pytorch源码文件,可能缺少CMakeList.txt,导致源码安装不能成功。可在此处下载我于8月30日下载的可以成功编译的源码。
Part3:PyTorch实现reinforcement learning
需要运行的RL程序包括:PyTorch-rl和DQN-example。在conda中,可以对各个环境安装指定的包,命令为 conda install -n [envs name] [package]。