机器学习：pytorch框架（1）安装

在整个框架的学习过程中，需要注重三个方面：
①勤动手：深刻体会相应的知识；②成体系（构建相应的知识树）；③多总结（理解吸收）

1 基本背景

pyTorch是一个经过市场上无数从业者筛选的深度学习框架，提供了健全的神经网络接口，其动态网络结构及Python友好性，获得了大量深度学习从业人员的青睐。

而与pyTorch相比，TensorFlow是使用人数最多的深度学习框架，但其是基于静态图定义的框架，使用和调试都非常困难。因为静态图首先需要定义，定义好之后就不能修改。要定义静态图涉及很多特殊的语法及概念，提升了学习门槛，对于初学者来说，无异于学习一门新的语言。

PyTorch是基于动态图构建的，可以使用Python一般的语法，如If/Else/While/For等，天然的Python友好且便于调试，熟悉Python的人们可以快速上手。

2 基本环境的安装

2.1 Python环境安装

如果不太清楚，可使用3.9版本。当然最新版本也OK。单独安装Python比较简单，但安装常见的库（如Pandas、NumPy等）比较麻烦。最常见的安装方式是推荐通过第三方打包好的软件统一安装，如通过Anaconda（官网：https://www.anaconda.com）。它将常见的Python包打包发布，解决了独立安装时所遇到的版本冲突问题，同时可以进行创建和管理多个独立的Python虚拟环境。唯一的麻烦就是安装包较大，约为700MB（当然，别装在C盘问题就不大）。

安装过程直接双击安装包安装，需要勾选“Add Anaconda to the system PATH environment variable”（设置环境变量）；安装完成后，可以通过cmd在命令行中输入“Python”查看Python版本号。

Anaconda提供了以下主要功能：
1.一站式安装：Anaconda包含了许多常用的数据科学和机器学习库。
2.环境管理：Anaconda允许用户创建和管理多个独立的环境。
3.包管理：Anaconda使用名为Conda的包管理器来安装、更新和管理库
4. Jupyter Notebook：Anaconda集成了Jupyter Notebook。

2.2 pytorch的安装

如果是采用anaconda安装Python环境的话，常见的库都是安装好的，接下来直接安装pytorch即可（官网：

PyTorch）。在官网，根据自己电脑或服务器相应的配置情况进行安装命令配置，如下截图所示：

根据计算机资源进行安装命令生成

在选项卡中选好配置后，选项卡下面的“Run this Command”栏中就会生成相应的安装命令，将其复制到CMD命令行中运行即可完成PyTorch的安装。

CPU和GPU版本区别

（1）那怎么去分辨电脑中是否支持GPU版本呢？

可以通过任务栏打开任务管理器，找到性能，查看是否有GPU（英伟达的GPU才支持？）。

有的话，就可以下载GPU版本

（2）那安装GPU的什么版本呢？11.8和12.1？

这个是根据电脑的驱动进行判定的，打开相应的控制面板，可查看驱动版本号。然后去英伟达官网查看对应的支持版本。

根据电脑对应的驱动版本号，选择对应的支持cuda版本即可

2.3 pytorch安装位置及虚拟环境设置

为了方便进行环境管理和多个项目管理，推荐pytorch安装在对应的独立环境中。

（1）首先，打开anaconda的命令行的交互界面（Anaconda Prompt），新建一个对应的虚拟环境：

（2）创建成功后，可查看电脑中存在的虚拟环境，并进行激活。

（3）激活命令：conda activate pytorch_cpu；退出激活：conda deactivate

（4）执行pytorch安装命令，等待安装完成（done）

（CPU版本）conda install pytorch torchvision torchaudio cpuonly -c pytorch
（GPU版本）conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

（5）验证安装是否成功

CPU版本是False；GPU版本是True

至此，环境安装完毕！

3 集成开发环境（编辑器）

看个人使用习惯，vs code适合跑轻量级项目

**个人学习过程总结，持续记录ing