【Pytorch 学习】1. 简介与我的想法

Pytorch ^[1][2] 是当前主流的 深度学习框架 之一， Faceboook 与 2017 年初开源出来，更 简洁 的 api，深受 学术界 人士的喜爱，有人把它比作深度学习框架中的 Python ( Python 在编程语言中也以简洁出名)。

• 目前在深度学习中有两个大的框架（当然还有很多其他框架），一是 Pytorch ，二是 Google 的 Tensorflow ，主流观点是 tf 在 工程方面 有优势， Pytorch 在 学术研究 方面有优势。两个框架都在开源社区的推动下快速发展，目前都在成长期，更新也比较频繁。

我选择了学习 Pytorch ，主要是一开始涉猎 dl 就关注着它（具体是它开始支持 Windows 平台时候）。

# Pytorch 安装

任何安装教程都具有时效性，尤其是处在旺盛开发阶段的项目，这点毋庸置疑。

我的安装环境是：

• 操作系统： Windows 10 专业版 1909

• Nvidia 显卡： GeForce 940MX

• 显卡驱动版本： 442.19

• Cuda 版本： 10.1

• Cudnn 版本： 7.6.5

• Pytorch 版本： 1.4

Cuda 是 Nvidia 的技术，只支持一部分 Nvidia 显卡

一般安装过程是：

1. 更新驱动（最新驱动最应该行，一般比较喜欢更新系统的话没事，也可以去官网下 NVIDIA 驱动程序下载，选择显卡型号就可以）
2. 下载并安装 Cuda，一般框架发布出来支持的 cuda 版本就是固定的，最新版 cuda 不是很好的选项
3. 下载 cudnn（下载 cudnn 需要注册 Nvidia 开发者账号），解压并放到一个固定的路径（一般放到 cuda 安装路径，不过其实随便，最终要到系统环境变量里找的）
4. 配置环境变量

C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras
C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cudnn\bin

cudnn 选择独立文件夹是为了方便更新，也可以把 cudnn 里的所有东西放到 Cuda 对应的目录里面。

5. 验证 Cuda:

nvcc -V

有 cuda 信息就行

6. 安装 Pytorch ，进入官网，点 Get Started ，选择项如下：
   

7. 验证 Pytorch：

激活 pytorch-env 虚拟环境：

conda activate pytorch-env

代码验证：

import torch # 导包，导入报错就搜搜

print(torch.cuda.is_available())  # True 则安装成功

# cuda 测试

x = torch.tensor([1.0])

x = x.cuda()  # 数据放置于 gpu

print(x)  # tensor([1.], device='cuda:0')

# cudnn 测试

from torch.backends import cudnn

print(cudnn.is_acceptable(x))  # True

# 最简单的安装方式

更新驱动都是必须的，然后剩下的全用 conda （一种包管理工具，不仅限于 python）：

conda create -n pytorch-env pytorch torchvision cudatoolkit=10.1 -c pytorch

其中 create -n pytorch-env 是创建 pytorch-env 的虚拟环境，安装的包为 pytorch torchvision cudatoolkit=10.1 ，使用官方源 -c pytorch ，也可以指定清华源 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

就酱，好运！

# 参考链接：