其他分享
首页 > 其他分享> > 让我选择Pytorch的理由

让我选择Pytorch的理由

作者：互联网

写在前面

这估计是安装pytorch生态最全面的文章"之一"了，提醒您，在文章开始之前，先找部电影看到，边下载边安装

PyTorch是什么

是python语言在Torch基础上的一款深度学习框架
那Torch是用Lua语言为接口的学习框架,Lua语言我听都没听过!

PyTorch的更迭

2017出生
2018年4月更新0.4.0,支持windows
2018年11月更新1.0稳定版
2019年5月更新1.1.0版本,增加可视化功能
2019年8月更新1.2.0版本

PyTorch发展

在这里插入图片描述
与行业老大TensorFlow齐头并进
在这里插入图片描述

Github上的统计
在这里插入图片描述

PyTorch的优点

上手快:只要numpy和基本深度学习概念就可以开车上路
代码简介灵活:emmm理解不了
Debug方便:emm都差不多对我来说
文档规范:这个挺好
资源多:arXiv中的新算法大多是PyTorch实现
开放者多:Github你看看,大佬多
背靠大树:有FaceBook的团队在维护开发

适合人群

深度学习初学者:模型简单容易实现
机器学习爱好者:简单几行代码人脸识别,目标检查,图像生成等有趣的实验
算法研究员:对于我来说,方便写论文

解释一些东西

解释器和工具包

解释器

我们输入的代码
print('hello world')
这么一行代码,通过
python.exe翻译给电脑可以识别的语言(二进制010101),

工具包

工具包又叫做库,模块,依赖包,包
分为内置包(re,os,math,sys等)
第三方包(pandas,numpy,pytorch,tensorflow等)

虚拟环境

经常有小伙伴问我,为什么安装了某一个第三方库,还是米有调用得起,会报错!
这里解释以下
犹豫虚拟环境之间是独立的,比如
在这里插入图片描述
安装的时候你瞅瞅你是不是安装在你当前的虚拟环境下

最明智的做法就是Anaconda这个YYDS

Anaconda

专为python而生,包含250个工具包,兼容多个版本python和强大的虚拟环境管理工具,又叫做全家桶

Anaconda的安装

请参见我以前的博客

Pycharm

Pycharm是强大的Python IDE,有用调式\语法高亮,project管理,代码跳转,智能提示,版本控制等功能
这玩意香是香,就是难得破解,我破解几次了都
害在这里插入图片描述

PyTorch安装

安装步骤:
1.检查是否有适合的GPU,若有,则先安装CUDA和CuDNN
2.CUDA与CuDNN安装
3.下载whl文件,登录网址https://download.pytorch.org/whl/torch_stable.html
cu102/torchvision-0.8.1-cp36-cp36m-win_amd64.whl

文件的命名解释
cuda版本或者CPU/pytorch版本号/python版本号/操作系统

正式安装PyTorch

1.先进入Pytorch官网查看支持版本

在这里插入图片描述

点击get started 可以看到下方CUDA支持的版本
选CUDA10.2版本
在CUDA官方找这个版本
传送门
在这里插入图片描述
一顿操作等半天
还是在注册账号下载CuDNN吧
在这里插入图片描述
注册,注意生日日期不要填写小了
注册这个是很烦的操作!
CUDNN下载传送门

或者这个连接
https://developer.nvidia.com/rdp/cudnn-archive
选择相应的版本和系统
在这里插入图片描述
在这里插入图片描述
双击安装
路径默认
怕以后改来改去麻烦 安装完 我后悔了 足足10个G空间没了[看我的文章有点脑壳痛可以看这篇]
传送门
安装完成，找到安装路径下的bin文件夹
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
这是我的
在这里插入图片描述
打开CMD 并且切换cd到你安装的这里目录下
比如
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
并且输入 nvcc -V
在这里插入图片描述
显示如下表示安装成功

安装CuDNN

在这里插入图片描述
解压

复制这三个文件夹到刚才的CUDA安装路径下

在这里插入图片描述
到这里，粘贴即可

在这里插入图片描述
在这里插入图片描述

检查CUDNN是否安装成功

到这里
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
在这里插入图片描述
复制路径
同样打开cmd，输入
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite

再输入bandwidthTest.exe


安装成功
输入deviceQuery.exe查询设备
在这里插入图片描述

测试pycharm环境

在这里插入图片描述
import torch

print('hello pytorch {}'.format(torch.__version__))

结果会报错

import torch

print('hello pytorch {}'.format(torch.__version__))

因为我们还没有安装
在这里插入图片描述
输入
conda create -n pytorch_gpu python=3.7
回车
创建一个python_gpu的虚拟环境
耐心的等待一会
如果遇到报错，多输入几次

输入
conda activate pytorch_gpu
激活

激活后
到下载目录，找到这两个文件
在这里插入图片描述
并且复制路径
F:\1研究生全部资料\研一\下载内容
到pycharm中
在这里插入图片描述
接着输入
pip install "torch-1.8.1+cu102-cp37-cp37m-win_amd64.whl"
提示 输入torch可以按Tab键自动填充后半部分

在这里插入图片描述
搞定一个
接着

pip install torchvision-0.9.0-cp37-cp37m-win_amd64.whl
在这里插入图片描述
运行hello pytorch依然报错
这是因为没有关联到此项目中
在这里插入图片描述
需要手动添加以下关联
在这里插入图片描述
在这里插入图片描述
大概是这样

找到这个路径
C:\Users\kingS\anaconda3
就可以看到我们添加的虚拟环境
pytorch_gpu
然后将里面的解释器
python.exe添加即可

在这里插入图片描述
骚等片刻

等待初始化完成后运行
看到run中出现hello pytorch

在这里插入图片描述
在看看 是否支持GPU
print(torch.cuda.is_available())

如果返回True 那么恭喜你，你完整安装了
如果返回False 那么恭喜你，你完了！版本号不匹配

标签：理由,python,torch,pytorch,选择,Pytorch,CUDA,PyTorch,安装
来源： https://blog.csdn.net/weixin_43213884/article/details/117537005