Windows下安装PyTorch1.5

PyTorch简介

在2017年1月18日，facebook下的Torch7团队宣布PyTorch开源后就引来了剧烈的反响。PyTorch 是 Torch 在 Python 上的衍生版本。Torch 是一个使用 Lua 语言的神经网络库, Torch 很好用, 但是 Lua 流行度不够, 所以facebook开发团队将 Lua 的 Torch 移植到了更流行的语言 Python 上，推出了PyTorch 。

PyTorch是一个Python优先的深度学习框架，是一个和tensorflow，Caffe，MXnet一样，非常底层的框架。先说下PyTorch相比于其他框架的五大优势：

一.Python优先支持

PyTorch主推的特性之一，就是支持Python（官方的提法：puts Python first）。因为直接构建自 Python C API，PyTorch从细粒度上直接支持python的访问。相比于原生Python实现，引入的新概念很少，这不仅降低了 Python 用户理解的门槛，也能保证代码基本跟原生的 Python 实现一致。事实上，开发者可以直接用原生 Python 代码扩展 PyTorch 的 operation。

而Tensorflow总有一种用 Python 调用 C++ 写的第三方动态链接库的感觉；写模型需要更多代码，无法贯彻 Python的简约风格；而且写新的 operation 必须用 C++ 开发。

二.动态图的良好支持

Tensorflow运行必须提前建好静态计算图，然后通过feed和run重复执行建好的图。但是Pytorch却不需要这么麻烦：PyTorch的程序可以在执行时动态构建/调整计算图。相对来说，pytorch具有更好的灵活性。这得益于PyTorch直接基于 Python C API 构建的 Python 接口。

TensorFlow饱受诟病的痛点就是只支持静态图模型。也就是说，在处理数据前必须预先定义好一个完整的模型。如果数据非常规整，那还好。但实际工程和研究项目中的数据，难免有一些边角的情况。很多项目，其实需要大量实验才能选择正确的图模型。这就很痛苦了。因此，很多项目转而采用了PyTorch等支持动态图模型的框架，以便在运行程序的时候动态修正模型。

不过在2017年10月31日万圣节这天，Google发布了TensorFlow Eager Execution（贪婪执行），为TensorFlow添加了命令式编程的接口。启用贪婪执行后，TensorFlow操作会立刻执行，不用通过Session.run()执行一个预先定义的图。2017年11月，TensorFlow1.5版本中正式加入了动态图机制Eager Execution的支持！

三.易于Debug
Pytorch在运行时可以生成动态图，开发者就可以在堆栈跟踪中看到哪一行代码导致了错误。你甚至可以在调试器中停掉解释器并看看某个层会产生什么。

四.生态丰富

以计算机视觉为例，目前Pytorch有官方支持的PyTorch Hub，还有优秀的第三方计算机视觉框架库，例如detectron2和
MMdetection等。当然在NLP、图神经网络、强化学习和迁移学习等诸多AI领域都有Pytorch实现的包。

五.易于落地
在落地方便，Pytorch不仅支持用户自定义OP，还提供了C++的libtorch库和C++接口。

Pytorch可以无缝切换Caffe的模型，还有NVIDIA的TensorRT加速支持，训一次模型可以成功移植到ARM和安卓等嵌入式和移动端设备。

PyTorch 1.5的Windows版本安装

此前，Facebook在2020年1月发布了支持分布式模型并行、Java程序、移动端等多项新功能的PyTorch 1.4。在2019年10月举行的年度PyTorch开发者大会上，Facebook首次介绍了Google Cloud TPU支持和量化以及PyTorch Mobile。

2020年4月21日，Facebook 正式发布了 PyTorch 1.5，这是自 2020 年 1 月发布 Pytorch 1.4 之后，时隔三月迎来的另一次版本升级。

此次发布PyTorch 1.5此版本主要包括对几个新的API 的添加和改进，包括对c++前端API的支持（稳定版）和库升级，比如Facebook与Amazon 合作开发的模型服务库TorchServe。

我们可以直接在Pytorch官网寻找自己所需的最新的版本进行安装。

需要注意的是，PyTorch 1.5只支持Python 3，不再支持Python 2版本。cuda版本需要9.2及以上，不再支持cuda8.0及以下。

Conda安装

如果已经装了Ananconda|Python，不管是Python3.5，Python3.6还是Python3.7，都可以选择对应的cuda版本，然后直接执行下面命令安装：

conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev  #for cuda9.2
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch      #for cuda10.1
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch     #for cuda10.2
conda install pytorch torchvision cpuonly -c pytorch             # for cpu version

pip安装

pip安装的话，不管是cpu版本还是cuda，都只需下面这条命令：

pip install torch torchvision

测试安装是否成功

import torch
print(torch.__version__)

如果输出1.5.0，那么恭喜Windows下的PyTorch1.5.0安装成功！