文章目录
1. 什么是PyTorch
PyTorch 是一种用于构建深度学习模型且功能完备的开源框架,通常用于处理图像识别和语言处理等应用当中的机器学习。PyTorch 保留了 Torch(Lua版)的许多核心思想和设计理念,可以被看作是 Torch 的继承或进化版。由于它用 Python 编写,因此学习和使用起来相对简单。
PyTorch 是 Facebook AI Research(FAIR) 和其他几个实验室开发者的工作成果。该框架将 Torch 中高效而灵活的 GPU 加速后端库与直观的 Python 前端相结合,能完全支持 GPU,其中使用的“反向模式自动微分”技术,使得 PyTorch 可以动态修改计算图形,成为快速实验和原型设计的常用选择。它于 2017 年 1 月在 Github 上开源。
PyTorch的主要特点:
- PyTorch.org 社区十分活跃,有大量优秀文档和教程;
- 采用 Python 编写,并集成了大量的热门 Python 库,对于开发者而言相对容易学习;
- 支持用于实验的“即时模式”,也支持用于高性能执行的“图形模式”;
- 支持 CPU、GPU、并行处理以及分布式训练;
- PyTorch 支持动态计算图形,能够在运行时更改网络行为,相比其他的静态计算具有更大的灵活性优势;
- PyTorch.Hub 是一个预训练模型库,具有极简的调用接口;
- 拥有从计算机视觉到增强学习等领域的大量工具和库。
2. PyTorch的安装与配置(无GPU)
在开始安装 PyTorch 之前,需要先确认是否满足以下条件:
- 操作系统要求:
- Windows 7 及更高版本;建议 Windows 10 及以上版本;
- Windows Server 2008 r2 及更高版本
- Python版本:目前 Windows 上的 PyTorch 仅支持 Python 3.8-3.11,不支持 Python 2.x
2.1 创建环境
深度学习项目通常依赖于多个第三方库和框架,且这些库中许多都有特定版本依赖关系和兼容性问题,因此,为了确保各项目的依赖包不会互相冲突,尽量地使用环境管理工具,将不同项目的环境隔离开。
这里我们用前文《安装conda并搭建python环境(入门教程)》提到的环境管理工具 Conda。依次运行如下命令创建名为 pytorch_env
的虚拟环境,安装的解释器为 Python=3.8
,并激活该环境。
# 创建环境
conda create --name pytorch_env python=3.8
# 激活环境
conda activate pytorch_env
2.2 安装pytorch库(无GPU)
在 PyTorch 官网当中,可以根据自己本地的安装环境,配置相应的条件得到安装命令。这里我们选择的条件是:稳定版,Win系统,conda命令安装,Python语言,仅有CPU。
根据所选条件,生成安装命令 conda install pytorch torchvision torchaudio cpuonly -c pytorch
。我们在已激活的 pytorch_env
环境下,输入上述命令运行即可。
Conda 在安装 PyTorch 时能自动安装该库所有的依赖项。在安装过程中会弹出是否继续运行(安装所列出的依赖项)的提示,输入 y
回车即可。
最后出现一个 done
,说明安装完成。
2.3 验证安装结果
为了确保 PyTorch 已正确安装,我们可以通过运行 PyTorch 测试代码来验证。这里我们创建一个 test.py
文件,代码内容如下:
import torch
x = torch.rand(5, 3)
print(x)
在安装了 PyTorch 的 pytorch_env
环境下,执行 python test.py
以运行该测试文件。PyTorch 安装成功的话,输出应类似于下图:
如果安装的是 GPU 版本,还可以通过如下代码检查 GPU 驱动程序和 CUDA 是否已启用并可供 PyTorch 访问。由于本文我们介绍的是 CPU 版本的安装,因此无需验证下面代码。
import torch
torch.cuda.is_available()
尽管CPU版本的 Pytorch 在核心功能接口方面并没有与 GPU 版本有差异,但由于没有利用 GPU 的并行计算能力,在训练深度学习模型和处理大规模数据时性能会相对差很多。
标签:pytorch,Python,Windows10,PyTorch,版本,GPU,安装 From: https://blog.csdn.net/Linshaodan520/article/details/139232683