從零開始深度學習Pytorch筆記，安裝Pytorch

聊到深度學習, 大家第一感覺就是很高大上。

就像我們曾經說到機器學習，很多人也是感覺很高大上，但是慢慢接觸之后，發現其無非是數學+編程實現，所以從線性回歸開始，不斷學習，把各種機器學習方法都學習了一遍，并能夠通過Python的sklearn庫編程實現。

有很多朋友和我聊到學習深度學習這個事情，我會推薦他們去看一些相關理論算法，從CNN、RNN到LSTM，從各種傳統的深度學習網絡結構到比較新的網絡結構。在這個過程中發現了一點，就是他們看完了網絡結構和算法原理后，往往難以下手去操作，因為Python使用sklearn庫實現機器學習的流程非常方便，而且學習了Python的numpy、pandas基礎即可快速上手，而深度學習的編程則需要更上一層，對Python新手不太友好，基礎部分的張量各種操作和計算圖編程都會讓新手頭大，而深度學習還面臨著選擇深度學習框架的問題，可供我們選擇的框架實在太多，例如較為流行的Tensorflow、Pytorch、Keras、Mxnet、PaddlePaddle等等。各種相關的書也是如雨后春筍般出版出來，我翻看過一些書，還看過一些目錄，發現了一個現象，就是各種深度學習框架書在對應的深度學習框架基礎部分講解往往不夠詳細，讓人看完覺得跳躍感很大，而過于強調各種網絡結構的實現，這十分不利于新手進行學習。而且初學者會了解到深度學習需要使用GPU訓練模型，對于沒有GPU配置的初學者，往往覺得學習之路出現了第一道坎，而對于有GPU的初學者，往往因為GPU環境搭建太復雜而從入門到放棄。其實沒有GPU環境，也是可以進行深度學習編程學習的。

我個人的感受是，GPU環境的搭建變得越來越容易，這是我們放開去學習深度學習的一個好時機，關于在《從零開始深度學習Pytorch筆記》連載中，我會一步步從安裝Pytorch環境開始寫，慢慢夯實Pytorch的基礎，再帶大家熟練使用Pytorch編程網絡結構，實現深度學習算法。

聊聊為什么使用Pytorch，個人覺得Pytorch比Tensorflow對新手更為友善，大家如果對Tensorflow也感興趣，完全可以學習了Pytorch之后繼續學習Tensorflow。

接下來進入正題吧：

如果你沒有gpu環境，想使用Pytorch，打開Pytorch的官網：https://pytorch.org/

在首頁我們可以看到有各種配置可選，我們這里選擇CPU的版本（CUDA部分選擇None）：

根據你的操作系統，還有Python的版本可以選擇不同選項（當然Python版本問題其實問題不大，因為我們可以通過創建虛擬環境搞定，選完選項之后，我們看到底部出現了一個命令，我們將命令復制到cmd中運行，即可安裝cpu版本的Pytorch（本配置生成的命令為:

當然，如果你有GPU環境，或者愿意為學習深度學習去配置GPU，我們可以搭建GPU的Pytorch環境。

GPU環境具體搭建流程如下：

（1）安裝Python編程環境

首先是你得有個Python編程環境，如果沒有，推薦安裝Anaconda，這個是Python的集成環境，這個Anaconda的安裝方法在網絡上教程很多（推薦的是對應Python3.6或3.7）。

（2）安裝CUDA

我們可以看到，Pytorch對應的CUDA版本為9.2或者10.1：

我們選擇CUDA9.2進行下載

進入CUDA9.2的下載界面

https://developer./cuda-92-download-archive

選擇相應的參數后我們點擊下載文件：

運行下載好的CUDA安裝包：

使用默認路徑點擊OK安裝，一路按照默認安裝即可。

安裝完成后，測試CUDA是否安裝成功，復制安裝路徑：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin

打開cmd，切換到安裝路徑下，執行: nvcc-V

可以看到CUDA成功安裝了。

（3）安裝cuDNN

cuDNN需要注冊登錄才能下載，cuDNN下載頁面如下：

https://developer./cudnn

登陸后，點擊Download即可：

然后點擊I Agree，點擊CUDA9.2，點擊win10下載：

之后我們將下載的cuDNN的壓縮包解壓

將解壓出的cuda文件夾下的三個文件夾復制到cuda安裝目錄下，去覆蓋掉cuda目錄下的三個同名文件夾

cuDNN安裝完成。

然后進入demo_suite文件夾，查看cuDNN是否安裝成功：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\demo_suite

切換到該路徑下執行bandwidthTest.exe

結果如下圖：顯示PASS，則cudnn安裝成功。

我們輸入deviceQuery.exe

可以查詢設備信息：

最后那段顯示的信息：

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.2, CUDA Runtime Version = 9.2, NumDevs = 1, Device0 = GeForce GTX 1060 6GB

Result = PASS

說明CUDA和cuDNN都安裝成功，還顯示了我的顯卡是GTX 1060 6GB。

（4）安裝Pytorch

回到Pytorch網站：

https://pytorch.org/

我們的選擇如下：

可以看到安裝命令中有個網站：

https://download.pytorch.org/whl/torch_stable.html

我們Ctrl+F搜索：CU92/torch-1.2.0

可以找到我們要的：cu92/torch-1.2.0%2Bcu92-cp37-cp37m-win_amd64.whl

然后點擊下載即可。

然后搜索：torchvision-0.4.0

找到我們要的：cu92/torchvision-0.4.0%2Bcu92-cp37-cp37m-win_amd64.whl

點擊下載即可。

（5）創建項目環境

我們打開Python的IDE，例如我喜歡的VS Code，你也可以使用其他軟件。

打開后創建一個py文件名為hello pytorch.py（名字任意）。

然后在TERMINAL中創建虛擬環境：

輸入：conda create -n pytorch-gpu python=3.7，并且回車運行

等創建完成后，激活虛擬環境：conda activate pytorch_gpu

然后進入到剛才兩個文件的下載目錄，我們要在該虛擬環境中安裝pytorch

我的電腦上目錄是：C:\Users\Administrator\Downloads

然后進到目錄下pip install 回車進行安裝兩個文件：

我們在py文件中輸入：

然后運行代碼：

結果顯示Pytorch安裝成功，Pytorch版本為：pytorch1.2.0+cu92

CUDA可用！