pytorch cpu版本安装_pytorch深度学习框架--gpu和cpu的选择

最近实现了一个简单的手写数字识别的程序，我安装的pytorch是gpu版(你也可以安装cpu版本的，根据个人需要)，这里我介绍pytorch的gpu版本和cpu版本的安装以及训练手写数字识别时gpu和cpu之间的切换。

1、pytorch的安装

1.1 pytorch(带有gpu)安装

首先进入pytorch官网，选择自己所需要的版本，这里我选择的版本如下图所示。

然后打开anaconda Prompt，首先输入：conda activate py3激活py3（解释一下为什么是py3，因为我之前装的是python3.6,创建的名字为py3），然后输入：conda install pytorch torchvision cudatoolkit=9.0 -c pytorch安装pytorch，等待安装就好，如下图所示。

1.2 pytorch(无gpu)安装

这时CUDA选择none即可

打开anaconda终端，首先激活py3,然后输入这个命令：conda install pytorch-cpu torchvision-cpu -c pytorch，等待安装就好，如下图所示。

1.3 测试是否安装成功

首先cmd打开终端，输入python即可查看当前安装的python的版本，然后import torch 等待几秒出现如下图所示，这样就成功安装了。

2、选择cpu进行网络的训练（推荐下载带有gpu的）

因为下载gpu版本的，训练时可以选择gpu或者cpu进行训练。但是下载cpu版本，只能选择cpu进行训练。

2.1新建一个model.py模块

from 

2.2 新建一个train.py模块（使用cpu训练的）

主要的格式为

def get_variable(x):
    x = Variable(x)
    return x.cpu() if torch.cuda.is_available() else x
...
...
...
cnn = CNN()
if torch.cuda.is_available():
    cnn = cnn.cpu()

具体cpu训练实例如下所示

import 

2.3 新建一个test.py模块

import 

3、选择gpu进行网络的训练

3.1 model.py模块不变，可以参考以上2.1

3.2 train.py模块（gpu训练）代码如下，可以对比以上2.2

gpu训练需要补充：gpu训练可以选择gpu设备，详细请看以下主要格式部分的代码模块。

主要格式为

# 将数据处理成Variable, 如果有GPU, 可以转成cuda形式
def get_variable(x):
    x = Variable(x)
    return x.cuda() if torch.cuda.is_available() else x
...
...
...
cnn = CNN()
#这部分默认的是两个gpu训练
if torch.cuda.is_available():
    cnn = cnn.cuda()
#这部分表示可以对gpu进行选择，只需要标明设备号
# if torch.cuda.device_count() > 1:
#     cnn = nn.DataParallel(cnn, device_ids=[0])

具体gpu训练实例如下所示（以下这种gpu训练效果比较好）

import 

3.3 test.py模块不变，可以参考以上2.3

4、最后附上测试结果