【youcans的深度学习 02】PyTorch CPU版本安装与环境配置

youcans_

已于 2023-05-05 11:51:13 修改

阅读量3.8k

点赞数 3

分类专栏： # PyTorch 学习笔记文章标签：深度学习 pytorch python 人工智能

于 2023-03-03 07:30:00 首次发布

本文链接：https://blog.csdn.net/youcans/article/details/129228158

版权

PyTorch 学习笔记专栏收录该内容

11 篇文章 20 订阅

订阅专栏

欢迎关注『youcans的深度学习』系列，持续更新中…
【youcans的深度学习 01】安装环境之 miniconda
【youcans的深度学习 02】PyTorch CPU版本安装与环境配置
 【youcans的深度学习 03】PyTorch CPU版本安装与环境配置
 【youcans的深度学习 04】PyTorch入门教程：基础知识
 【youcans的深度学习 05】PyTorch入门教程：快速入门

【youcans的深度学习 02】PyTorch CPU版本安装与环境配置

1. 安装环境要求

PyTorch支持Windows、Linux、Macos等操作系统。
Windows平台：支持Windows7及以上版本，推荐使用Windows10或更高版本。
需要Python环境，推荐使用conda包管理工具和PycharmIDE工具。
推荐使用MiniConda搭建Python环境，提供了conda 包管理工具和Python解释器。
推荐创建python虚拟环境，在虚拟环境中下载安装PyTorch。

安装CPU版本前建议测试（但非必须）本机是否为独立显卡，是否支持CUDA的安装：点击【cuda-gpus列表】可以查询显卡是否在列表中。

2. 创建Python虚拟环境

2.1 安装 Anaconda 或 miniconda

详见上节【01 安装环境 miniconda】。

2.2 创建torch虚拟环境

强烈推荐创建python虚拟环境，在虚拟环境中下载安装PyTorch。

（1）cmd进入命令行编辑器，或由Anaconda Prompt，或miniconda Prompt 进入命令行编辑器。默认为<base>环境， base 是安装 Anaconda 自带的一个基础环境。

（2）输入"conda env list"，检查本机中的的Python环境：

在这里插入图片描述

如果用户尚未创建虚拟环境，则只有 base环境。如果用户已经创建虚拟环境，也会显示在列表中。

如图所示，用户创建了 py38虚拟环境，当前激活环境为 base（路径之前有个星号*）

（3）输入"conda create -n torch"，创建名为"torch"的虚拟环境：

在这里插入图片描述

（4）输入"conda activate torch"，激活torch虚拟环境。

在这里插入图片描述

激活torch虚拟环境以后，当前激活环境为 torch（路径之前有个星号*）。

（5）在torch虚拟环境安装必要的包。

conda install -y numpy
conda install -y matplotlib & conda install -y pandas & conda install -y xlrd

…

2.3 PyCharm环境配置

2.3.1 创建新项目的环境设置

打开PyCharm，创建新的项目。
在 Location 选择适当的项目路径
在 Python Interpreter 选择 Previously configured interpreter，选项框中自动找到 Python3.8(torch)。
如果没有自动找到，则可以通过路径选择添加Python解释器Add Python Interpreter，找到所经历的 py38 环境的Python解释器。如下图所示：

在这里插入图片描述

如果在该窗口选择 Create a main.py welcom script，则在创建项目的同时新建了一个 main.py 文件。

运行这个 main.py 文件，在 PyCharm 下方就会出现运行结果：

在这里插入图片描述

2.3.2 已有项目的环境设置

打开 PyCharm，打开一个已经建立的项目；
在 PyCharm 上方菜单选择：File–Settings；
弹出 Settings 窗口，从左侧菜单选择：Project–Python Interpreter，从右上方的选项框Python Interpreter选择 Python3.8(torch)环境。当然也可以选择创建的其它 Python 环境。
打开并运行 python 程序，得到运行结果。

在这里插入图片描述

如果提示缺少导入的包，可以按照 3.2 的方法安装相应的包。

3. 安装 PyTorch CPU版本

3.1 官网下载

（1）进入PyTorch官网【https://pytorch.org/】

PyTorch

FROM RESEARCH TO PRODUCTION

An open source machine learning framework that accelerates the path from research prototyping to production deployment.

Installhttps://pytorch.org/

（2）按照 INSTALL PYTORCH 的提示，选择适合自己的PyTorch版本。
说明：Stable代表PyTorch当前最受测试和支持的版本，适合普通用户。

在这里插入图片描述

（3）复制"Run this Command"生成的命令。

Run this Command:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

3.2 conda安装PyTorch

（1）回到conda环境（cmd进入命令行编辑器，或由Anaconda Prompt，或miniconda Prompt 进入命令行编辑器）

（2）运行此前所复制的"Run this Command"代码。

在这里插入图片描述

注意：

一定要切换到 torch 虚拟环境，否则可能安装到base环境或其它虚拟环境。
如果下载速度慢，建议使用国内镜像源。但此时要删除所复制命令中最后面的 “-c pytorch”。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda install pytorch torchvision torchaudio cpuonly

安装中会跳出"Proceed([y]/n)?"，输入"y"或直接回车即可。

3.3 PyTorch安装测试

3.3.1 进入python进行测试

在conda环境中，进入python后import torch，就可以进行测试。结果如下图所示，没有报错就说明安装成功。

在这里插入图片描述

3.3.2 进入PyCharm进行测试

（4）进入PyCharm进行测试

上述conda环境的测试已经说明PyTorch版本安装成功。但为了确认PyCharm中的虚拟环境配置正确，可以进入PyCharm，选择 Python3.8(torch)环境运行以下例程：

# BasicTorch01_v1.py
# test01 of PyTroch
import torch
import torchvision

def print_hi(name):
    print(f'Hi, {name}')  # Press Ctrl+F8 to toggle the breakpoint.

if __name__ == '__main__':
    print_hi('PyCharm')
    print("HELLO pytorch {}".format(torch.__version__))
    print("torchvision.version:", torchvision.__version__)
    print("torch.cuda.is_available? ", torch.cuda.is_available())

    x = torch.rand(3, 6)
    print(x)

运行结果如下：

Hi, PyCharm
HELLO pytorch 1.13.1
torchvision.version: 0.14.1
torch.cuda.is_available? False
tensor([[0.0052, 0.2104, 0.8887, 0.8930, 0.4597, 0.7055],
[0.6065, 0.2684, 0.9401, 0.4489, 0.2740, 0.3039],
[0.0663, 0.8546, 0.4360, 0.6067, 0.9844, 0.3755]])

一切顺利，收工。

4. PyTorch（CPU）应用例程

最后给一个基于PyTorch（CPU）的应用例程，绘制几种激活函数的形状。

# BasicTorch02_v1.py
# test02 of PyTroch

import torch
from torch.autograd import Variable
import torch.nn.functional as Func
import matplotlib.pyplot as plt

# 生成数据序列
tensor = torch.linspace(-5, 5, 200)  #  返回一维张量
tensor = Variable(tensor)  # Tensor 转为 Variable
xNp = tensor.numpy()  # Tensor 转为 numpy

# 定义激活函数
y_relu = torch.relu(tensor).data.numpy()
y_sigmoid =torch.sigmoid(tensor).data.numpy()
y_tanh = torch.tanh(tensor).data.numpy()
y_softplus = Func.softplus(tensor).data.numpy()

# 绘图
plt.figure(figsize=(9, 6))
plt.suptitle("Response curve of activation function")
plt.subplot(221)
plt.plot(xNp, y_relu, c='red', label='RelU')
plt.legend(loc='best')
plt.subplot(222)
plt.plot(xNp, y_softplus, c='red', label='hardTanh')
plt.legend(loc='best')
plt.subplot(223)
plt.plot(xNp, y_sigmoid, c='red', label='sigmoid')
plt.legend(loc='best')
plt.subplot(224)
plt.plot(xNp, y_tanh, c='red', label='tanh')
plt.legend(loc='best')
plt.show()

在这里插入图片描述

【本节完】

版权声明：
欢迎关注『youcans的深度学习』系列，转发请注明原文链接：
【youcans的深度学习 02】PyTorch CPU版本安装与环境配置(https://youcans.blog.csdn.net/article/details/129228158）
Copyright 2023 youcans, XUPT
Crated：2023-03-20