Pytorch的安装教程从0开始

最新推荐文章于 2024-06-21 11:43:38 发布
最新推荐文章于 2024-06-21 11:43:38 发布
阅读量1.4k 收藏 5
点赞数
分类专栏： python基础语法 文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_72810923/article/details/130903045
版权

初始安装环境准备：

笔者初始安装环境：

win10虚拟机（物理机已经成功安装）

配置初始环境

首先需要安装conda环境，方便后期的配置和管理

安装conda

首先访问清华大学的镜像站点，读者也可以自行到官网下载，由于conda官网在外网的缘故，访问和下载的速度都比较慢（不使用梯子的情况下）下段附上官网地址和镜像站点地址
清华大学镜像站点conda下载直通车icon-default.png?t=N4P3https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/


conda官网下载icon-default.png?t=N4P3https://www.anaconda.com/download/

 笔者将以镜像站点为例做下载演示

  1. 找到符合自己的系统和版本

这里笔者选择的是Anaconda-2023.3的win64位版本，单击下载（需要耐心等待）

安装conda

这里笔者将在win64虚拟机中演示安装

这里选择安装路径

 随后便是一路next安装

 点击Next完成安装

这个时候点击“win”键打开任务栏，发现新安装的conda，右键点击，打开文件所在位置

 打开所在文件夹后将所有或者需要的快捷方式都拖到桌面

配置虚拟环境

点击打开Anaconda Prompt程序，这会打开一个类似CMD命令行的窗口，接下来的一些步骤都要在其中进行

创建新的虚拟环境

输入

conda create -n env_name python=x.x

其中env_name和python=x.x都是可改选项，前者（env_name）是你的自定义虚拟环境的名字

后者（python=x.x）其中x.x是python的版本，笔者这里使用的是3.10版本

接下来需要输入y以确认下载一系列安装包（请确保网络环境稳定）

下载过程请耐心等待

 下载完毕后输入代码即可进入虚拟环境（此处activate后的虚拟环境名称是笔者的环境名称，注意识别）

conda activate pytorch

 成功进入虚拟环境之后路径前缀应该是虚拟环境的名称而非初始的（base）如图

 接下来将在此虚拟环境中安装pytorch

安装pytorch

首先访问pytorch的官网

PyTorch官网下载命令直通车icon-default.png?t=N4P3https://pytorch.org/get-started/locally/

 选择合适的安装，这里选择的意思是Windows系统conda环境python编程语言CPU支持，最下面的是运行命令

这里笔者选择的是比较稳的CPU支持安装，读者可以自行去根据电脑的型号去选择CUDA版本

复制提供的命令，图中的命令则是

conda install pytorch torchvision torchaudio cpuonly -c pytorch

接下来就是安装重灾区，直接原因便是安装的速度快慢问题，笔者这里提供一种比较稳的方法（因人而异，但是笔者觉得逻辑上来看这是比较稳的方法了）

首先在虚拟环境中运行这行命令，下载相关的附属安装包，等待一整子后关闭窗口重新打开，再次进入虚拟环境，输入下载命令，查看是否附属安装包都下载完毕，下图可以看见只有torch一个包正在下载了

 这个时候关闭窗口，进入pytorch的whl安装包的界面

whl文件下载直通车icon-default.png?t=N4P3http://download.pytorch.org/whl/torch/这里选择合适的whl文件（根据上图中的版本寻找对应版本进行选择和安装）

 这里笔者选择的是torch-2.0.1+cpu-cp310-cp310-win_amd64的版本，这里读者可以自行选择

选择成功后点击下载即可

随后再次进入虚拟环境，输入

pip install 文件路径

就像这样

 然后回车安装即可（耐心等待，如果遇到下载超时的问题，重新下载即可）

等待片刻后下载完成

验证下载成功

下载完毕后如何验证成功呢，先进入下图的软件，这是一个可视化的模块，在这里可以检查虚拟环境以及其下载的包

 可以看见torch模块已经成功安装在环境中了

 还可以在命令行中输入

python

进入python环境

import torch
torch.__version__

如果正确安装应该显示torch的版本，如笔者下图

 结语

安装教程就到这里结束了，不过保险起见可以再装上numpy模块，使用pip安装即可

希望这篇文章能对您有帮助，如果觉得文章不错，可以点赞收藏加关注，如果觉得还有地方错误或者欠佳，可以私信作者，小生必当斧正！

感谢浏览

路人甲42
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
torch_scatter-2.1.0+pt113cpu-cp310-cp310-win_amd64.whl.zip
12-22
需要配和指定版本torch-1.13.1+cpu使用，请在安装该模块前提前安装官方命令安装torch-1.13.1+cpu
Pytorch安装教程（最全最详细版）
MANCXUARY的博客
01-30 5万+
PyTorch是一个开源的深度学习框架，提供了各种张量操作并通过自动求导可以自动进行梯度计算，方便构建各种动态神经网络。 在线安装 1、打开Anaconda Powershell Prompt，输入conda info --envs，查看安装的环境 2、... 离线安装 1、查看Anaconda或者本地安装的Python版本 2、...
Pytorch安装教程
最新发布
潇笙
06-21 1154
PyTorch是一个开源的深度学习框架，由Facebook人工智能研究院（FAIR）开发。它提供了一套动态张量计算库，具有易于使用、高效性能和强大的扩展性等特点。PyTorch支持在GPU上运行，能够大大加速深度学习模型的训练和推理过程。
pytorch超级详细的安装教程
于笨笨的博客
05-04 9万+
pytorch超级详细的安装教程 第一次安装的时候安装了差不多有一整天，还安装失败了。这次安装的速度很快。 首先是Anaconda的下载，我用的是上学期学python的时候老师之前给的安装包，很快就安装好了，或者去官网去下载Anaconda也挺快，链接如下： Anaconda官网 其次是Anaconda安装，整个下载过程都是一路next，我只是把下载的路径改变了一下。默认路径是C盘，我调整到了其他盘。 安装完整后，在看是菜单处看到新添加的东西 打开这个Anaconda Prompt应用进入之后是以（bas
Pytorch最全安装教程（一步到位）
热门推荐
weixin_44904136的博客
03-05 30万+
概述 PyTorch是一个开源的Python机器学习库，其前身是著名的机器学习库Torch。它是美国Facebook公司使用python语言开发的一个深度学习的框架，2017年1月，Facebook人工智能研究院（FAIR）在GitHub上开源了PyTorch。它的前身是2002年诞生于纽约大学 的Torch。 特点： 1）简洁： PyTorch的设计追求最少的封装，尽量避免重复造轮子。 简洁的设计带来的另外一个好处就是代码易于理解。PyTorch的源码只有TensorFlow的十分之一左右，更少的抽
pytorch的安装（非常详细）
Redamancy06的博客
07-16 3万+
conda activate pytorch、推荐清华源、中科大源。conda deactivate、查看环境信息 conda info -e、import torch、这个是验证cuda是不是可以正常运行torch.cuda.is_available()、卸载pytorch环境conda remove -n pytorch --all将pycharm的环境换成Anaconda下的pytorch环境......
PyTorch安装教程
09-18
本文将详细介绍在 Windows 10 系统上，使用 PyCharm 和 Python 3.9 安装 PyTorch，同时配合 CUDA 和 cuDNN 的步骤。 首先，确认你的显卡驱动支持的 CUDA 最高版本。在“显示”设置中查找“驱动程序版本”，例如文中...
pytorch安装教程gpu
06-13
### PyTorch GPU 版本安装教程 #### 一、前言 PyTorch是一款开源机器学习库，基于Torch库构建，由Facebook的人工智能研究实验室开发。它提供了动态计算图功能，使得用户能够在不牺牲性能的情况下进行灵活的编程。...
详解Ubuntu16.04安装nvidia驱动+CUDA+cuDNN的教程
09-14
在本教程中，我们将深入探讨如何在Ubuntu 16.04系统上安装NVIDIA显卡驱动、CUDA工具包以及cuDNN库。这个过程对于那些想要利用GPU进行深度学习和高性能计算的用户来说至关重要。 首先，我们需要确保你的GPU支持CUDA...
面向Windows在C++中调用Pytorch模型（MNIST手写体数字识别）
11-01
要开始此项目，你需要安装Python环境，并在环境中安装PyTorch。可以使用以下命令： ```bash pip install torch torchvision ``` 接着，你需要使用PyTorch构建一个简单的CNN模型来训练MNIST数据集。训练模型的过程...
2023最新pytorch安装（超详细版）
weixin_44752340的博客
05-16 15万+
因为我之前安装环境花费了不少时间，也是网上搜了很多，想着自己写一个帮助大家快速安装，少走弯路，快速开启深度之路。
pytorch超详细安装教程，Anaconda、PyTorch和PyCharm整套安装流程
Bluebro的博客
10-04 9万+
本文介绍基于Anaconda环境以及与PyCharm结合，安装PyTorch深度学习框架。
简单易懂！Pytorch安装教程（超详细）
2301_81888214的博客
12-21 1万+
只要程序运行的时间不是太长，用带GPU的笔记本也能完成任务。毕竟笔记本散热差，而且笔记本上的显卡很多时候是被阉割过的，性能比较差。在正式开始学习Pytorch之前，安装Pytorch同样是重要的一个环节。我将安装Pytorch的主要过程以及遇到的一些问题写在下面，希望能对各位有所帮助。10系列以下的显卡上是运行不了最新版本的Pytorch的。而CUDA里自带的驱动其实也能用（只要显卡是10+以上的版本），索性一并安装了。如果您只是简单的使用Pytorch，不需要CUDA编程或者使用高度定制化的操作。
pytorch环境安装，小白也能会，很详细
feng121_tongxue的博客
06-25 6601
输入pip install torchvision-0.14.1+cu116-cp38-cp38-win_amd64.whl。输入pip install torchaudio-0.13.1+cu116-cp38-cp38-win_amd64.whl。输入pip install torch-1.13.1+cu116-cp38-cp38-win_amd64.whl。若电脑没有下面两项，也可以勾选安装，(判断有没有，看最右边的数字，即当前版本)本次安装的电脑配置。在前面有四个文件放到了你的用户文件夹下了，
【超详细教程】2024最新Pytorch安装教程（同时讲解安装CPU和GPU版本）
Little_Carter的博客
01-31 3万+
PyTorch是一个开源的深度学习框架，由Facebook人工智能研究院（FAIR）开发。它提供了一套动态张量计算库，具有易于使用、高效性能和强大的扩展性等特点。PyTorch支持在GPU上运行，能够大大加速深度学习模型的训练和推理过程。
快速安装PyTorch
IT菜鸟
06-12 6023
快速安装PyTorch
Pytorch安装，这一篇就够了，绝不踩坑
love_respect的博客
05-10 12万+
在pytorch安装时踩到了不少坑，看了好多博客，最后整合了一份不会踩坑的安装教程，主要是参考各个博主的内容，从零开始安装pytorch，分享给大家！ 因为这篇文章是整合各个链接，所以我自己可能写的比较简略，只是为大家提供一个流程，解释的不明白的就点进各位大佬的博客详细看就可以了。 最重要的是：这些链接我会提示你只看指定的位置，不是全部，不是全部，不是全部！ 首先在安装pytorch之前，先要安装CUDA，因为一般我们都是用GPU去跑深度学习程序。 cuda安装参考链接：https://blog.c
超详细的的PyTorch安装教程，成功率高，适合初学者，亲测可用。
01-31 2万+
Anaconda安装配置PyTorch深度学习教程，简单好用。
手把手教你用pytorch
09-14
当然没问题！下面我将为您提供一份简单的教程，手把手教您如何使用PyTorch。 首先，确保您已经安装了PyTorch。您可以从官方网站（https://pytorch.org）根据您的操作系统和需求下载并安装PyTorch。 接下来，让我们从一个简单的示例开始。假设我们要训练一个简单的线性回归模型来预测房价。我们将使用均方差损失作为我们的损失函数，并使用随机梯度下降作为优化器。 首先，导入所需的库： ```python import torch import torch.nn as nn import torch.optim as optim ``` 然后，定义我们的模型。在这个例子中，我们将使用一个简单的线性层作为我们的模型。 ```python class LinearRegression(nn.Module): def __init__(self, input_size, output_size): super(LinearRegression, self).__init__() self.linear = nn.Linear(input_size, output_size) def forward(self, x): return self.linear(x) ``` 接下来，定义一些训练数据和标签。在这个例子中，我们将使用一个简单的2维张量。 ```python # 训练数据 x_train = torch.tensor([[1], [2], [3], [4]], dtype=torch.float32) # 标签 y_train = torch.tensor([[2], [4], [6], [8]], dtype=torch.float32) ``` 现在，我们可以实例化我们的模型并定义损失函数和优化器。 ```python # 实例化模型 model = LinearRegression(input_size=1, output_size=1) # 定义损失函数和优化器 criterion = nn.MSELoss() optimizer = optim.SGD(model.parameters(), lr=0.01) ``` 接下来，我们可以开始训练我们的模型了。训练过程通常包括多个迭代，每个迭代中都会进行前向传播、计算损失、反向传播和更新参数的步骤。 ```python # 设置训练迭代次数 num_epochs = 100 # 开始训练 for epoch in range(num_epochs): # 前向传播 outputs = model(x_train) # 计算损失 loss = criterion(outputs, y_train) # 反向传播和优化 optimizer.zero_grad() loss.backward() optimizer.step() # 打印训练进程 if (epoch+1) % 10 == 0: print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item())) ``` 最后，我们可以使用训练好的模型来进行预测。 ```python # 预测 x_test = torch.tensor([[5]], dtype=torch.float32) predicted = model(x_test) print('预测值: {:.2f}'.format(predicted.item())) ``` 这就是一个简单的使用PyTorch进行线性回归的示例。您可以根据您的需求扩展和修改这个示例，以适应不同的问题和模型。 希望这个教程对您有所帮助！如果您有任何问题，请随时问我。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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