1. PyTorch简介
  2. Anaconda安装
  3. Pycharm安装
  4. PyTorch安装

PyTorch简介

  • 2017年1月，FAIR（Face book A I Research）发布PyTorch
  • PyTorch是在 Torch 基础上用 python 语言重新打造的一款深度学习框架

  • Torch是采用 L u a 语言为接口的机器学习框架，但因 L u a 语言较为小众， 导致Torch知名度不高

    PyTorch发展

  • 2017年1月正式发布PyTorch

  • 2018年4月更新0.4.0版，支持Windows系统，caffe2正式并入PyTorch
  • 2018年11月更新1.0稳定版，已GitHub 增长第二快的开源项目
  • 2019年5月更新1.1.0版，支持TensorBoard，增强可视化功能
  • 2019年8月更新1.2.0版，更新torchvision，torchaudio 和torchtext，增加更多功能

PyTorch简介与环境安装 - 图1
2014年10月至 2018年02月 arXiv论文中深度学习框架提及次数统计

PyTorch的增长速度与TensorFlow一致

PyTorch简介与环境安装 - 图2

2019年3月各深度学习框架在GitHub上的 Stars，Forks，Watchers 和 Contributors数量对比

PyTorch优点

  • 上手快：掌握 Numpy 和基本深度学习概念即可上手
  • 代码简洁灵活：用 nn.module 封装使网络搭建更方便；基于动态图机制，更灵活
  • Debug 方便：调试PyTorch就像调试 Python 代码一样简单
  • 文档规范：https://pytorch.org/docs/ 可查各版本文档
  • 资源多：arXiv中的新算法大多有PyTorch实现
  • 开发者多：GitH u b上贡献者(Contributors) 已超过1100+

  • 背靠大树：FaceBook维护开发

    适合人群

  • 深度学习初学者：模型算法实现容易，加深深度学习概念认识

  • 机器学习爱好者：数十行代码便可实现人脸识别，目标检测，图像生成等有趣实验
  • 算法研究员：最新arXiv论文算法快速复现

    解释器与工具包

    image.png
    image.png
    image.png

    Anaconda安装

    Win安装步骤：
  1. 官网下载安装包 https://www.anaconda.com/products/individual
  2. 运 行Anaconda3-2019.07-Windows-x86_64.exe
  3. 选择路径，勾选 Add Anaconda to the system PATH environment variable，等待安装完成
  4. 验证安装成功，打开 cmd ，输入 conda，回车

  5. 添加中科大或者清华源镜像

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

    Pycharm安装

    安装步骤：

  6. 官网下载安装包 https://www.jetbrains.com/pycharm/

  7. 运行 pycharm-professional-2019.2.exe
  8. 选择路径，勾选 Add launchers dir to the PATH ，等待安装完成

激活步骤：

  1. 参照 https://www.yuque.com/darrenzhang/dnee7o/fm9rz7
  2. 参照 https://shimo.im/docs/GJTqgHqh6kGYkKKY/read（直接搜：裸睡的猪）

  3. 新建项目，将破解文件拖入工作区，restart，重启完成

    PyTorch安装

    安装步骤：

  4. 检查是否有合适GPU，若有需安装CUDA与CuDNN

  5. CUDA 与 CuDNN安装
    1. WIN系统CUDA 与 CuDNN安装
      1. https://developer.nvidia.com/cuda-92-download-archive
      2. https://developer.nvidia.com/rdp/cudnn-download

image.png
cuda安装，一直默认下一步。
image.png
cuda是否安装成功
image.png
cudnn下载
image.png
解压缩cudnn
image.png
将cudnn文件夹的文件复制到cuda安装目录下
image.png
验证cudnn安装是否成功
b. Linux系统CUDA与CuDNN安装（非必须）https://www.yuque.com/darrenzhang/cv/orid9g

  1. 下载whl文件，登陆 https://download.pytorch.org/whl/torch_stable.html

image.png

  1. 下载pytorch与torchvision的whl文件，进入相应虚拟环境，通过pip安装

    conda create -n env_name python=3.7
conda activate env_name
pip install "torch or torchvision*.whl"

  2. 在pycharm中创建hellopytorch项目，设置项目的python解释器

image.png

要找创建的虚拟环境的python解释器在Anaconda3/envs文件夹下选择对应虚拟环境的解释器

  1. 运行脚本，查看pytorch版本，以及是否支持GPU
    import torch
print("hello pytorch {}".format(torch.__version__))
print(torch.cuda.is_available())
    image.png