pytorch自学教程(一)

pytorch自学教程(一)
本文内容为自学过程的笔记,如有错误,欢迎指出。
一、anaconda安装
首先需要下载anaconda,它里面包含了大量的package(工具包),平时在深度学习、机器学习中一个个安装package很麻烦,而且容易出现一些问题。于是就有了anaconda,他是一个集成了应用于科学分析的大量的package的一个软件,也就是只要你安装了anaconda就安装了后面我们要用的大量package。
进入网站https://repo.anaconda.com/
在这里插入图片描述
在这里插入图片描述

下载之后,双击安装,记住安装路径,后面选择默认
安装成功后,在开始菜单栏打开anaconda prompt,如果命令行前面有“(base)”则说明安装成功。
在这里插入图片描述

(深度学习离不开显卡,现在的一些pytorch和TensorFlow都主要支持英伟达的显卡,有没有显卡对于学习pytorch并没有影响,显卡的作用主要起一个训练加速的作用,关于显卡的配置主要涉及驱动和工具包,而后者已经可以跟随pytorch一起安装,所以我们这里主要是检查显卡的驱动是否正确安装:开始菜单栏—任务管理器—性能,如果能显示GPU的具体型号,则安装正确)
二、环境管理
在正式的安装开始之前,要学会一个技巧,就是如何去管理环境,应为在今后的项目中经常会遇到不同的项目和代码需要的环境(pytorch版本)是不一样的。比如一个项目需要用到pytorch0.4,另一个项目需要用到pytorch1.0,不可能同时安装两个版本。
我们要用conda指令创建一个环境:在开始菜单找到anaconda prompt,打开命令行窗口,输入以下命令:conda create -n pytorch python=3.6,回车。安装成功会显示以下
在这里插入图片描述
命令行输入conda activate pytorch进入pytorch环境
命令行最左边由(base)变为(pytorch)
在这里插入图片描述
命令行输入pip list看有哪些package,发现没有pytorch在这里插入图片描述
于是安装pytorch。
三、安装pytorch
进入https://pytorch.org/。往下拉至下图:
在这里插入图片描述

至于compute platform选哪个CUDA,首先我们要确定电脑有无独立显卡,知道电脑的GPU型号。进入设备管理器—显示适配器,可以看到自己的GPU型号,NVIDIA开头的是独立显卡,其他的有可能是集显
在这里插入图片描述
进入https://www.nvidia.cn/geforce/technologies/cuda/supported-gpus/确认一下你的GPU型号是否支持CUDA。
或者在anaconda prompt输入nvidia-smi查看版本号是否低于396.26
在这里插入图片描述
如果低于396.26则进入https://www.nvidia.com/Download/index.aspx?lang=cn选择自己显卡的驱动下载安装
在这里插入图片描述
在这里插入图片描述
1)检验是否安装成功:命令行输入python,进入python环境输入import pytorch,若没有报错则说明安装成功。
在这里插入图片描述
(pytorch安装不成功的参考https://blog.csdn.net/zzq060143/article/details/88042075)
2)接下来检查pytorch是否能用电脑上的GPU:输入torch.cuda.is_available(),返回的是True的话则说明能用。
在这里插入图片描述

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值