PyTorch - 02 - PyTorch安裝-快速簡便
PyTorch - 02 - PyTorch安裝-快速簡便
準備安裝PyTorch
歡迎回到有關使用PyTorch進行神經網路程式設計的系列文章。 在本集中，我們將介紹安裝PyTorch所需的先決條件。 事不宜遲，讓我們開始吧。
使用Anaconda和Conda安裝PyTorch
PyTorch入門非常容易。 推薦的最佳選擇是使用Anaconda Python軟體包管理器。藉助Anaconda，可以輕鬆獲取和管理Python，Jupyter Notebook和其他用於科學計算和資料科學的常用軟體包，例如PyTorch！讓我們來看一下步驟：
- 下載並安裝Anaconda（選擇最新的Python版本）。
- 轉到PyTorch的站點並找到本地入門部分。
- 為您的特定環境指定適當的配置選項。
- 在終端中執行顯示的命令以安裝PyTorch。
對於示例，假設我們具有以下配置：
| 專案 | Value |
|---|---|
| OS | Windows |
| Package Manager | Conda |
| Python | 3.7 |
| CUDA | 10.2 |
在這種情況下，我們有以下命令：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
請注意，我們同時安裝了PyTorch和Torchvision。 另外，無需單獨安裝CUDA。 如果在步驟（3）中選擇了CUDA版本，則PyTorch將安裝所需的CUDA軟體。 如果我們的系統上有受支援的Nvidia GPU，我們要做的就是選擇CUDA版本。
conda list torch
# packages in environment at C:\Users\deeplizard\Anaconda3:
#
# Name Version Build Channel
pytorch 1.7.0 py3.6_cuda102_cudnn7_0 pytorch
torchvision 0.8.1 py36_cu102 pytorch
Jupyter Notebook和VS Code（可選）
在本系列中，我們將使用以下軟體來編寫，除錯我們的程式碼：
- Visual Studio程式碼-整合開發環境
- Jupyter Notebook-互動式環境
安裝Visual Studio Code後，您還需要安裝Python外掛。 這是通過VS Code內部的“外掛”部分完成的。
我們將主要使用VS Code除錯我們的程式碼。 VS程式碼使除錯我們的程式碼和檢查我們的物件變得非常容易。 這對於探索PyTorch原始碼也很有用。 原始碼的導航功能非常強大。
在本系列的第二部分之前，我們將不使用VS程式碼，並且我們大部分時間都將花費在Jupyter筆記本中。 我們會自動安裝帶有Anaconda的Jupyter Notebook。 這些工具都不是必需的，但是它們確實使我們作為開發人員的生活更加輕鬆。
驗證PyTorch安裝
為了驗證我們的PyTorch安裝已準備就緒並且可以編寫程式碼，我們將在筆記本中進行此操作。 為了組織專案的各個部分，我們將建立一個名為PyTorch的資料夾並將所有內容放入此資料夾中。
驗證安裝的步驟：
- 要使用PyTorch，我們需要匯入PyTorch。
import torch
- 要檢查版本，請使用torch .__ version__
torch.__version__
現在，要驗證我們的GPU功能，我們使用torch.cuda.is_available（）並檢查cuda版本。
> torch.cuda.is_available()
True
> torch.version.cuda
'10.2'
如果torch.cuda.is_available（）呼叫返回false，則可能是因為您的系統上沒有安裝受支援的Nvidia GPU。 不過，請放心，使用PyTorch或遵循本系列教程不需要GPU。
即使沒有GPU，我們也可以在合理的時間內獲得非常好的結果。 如果您有興趣檢查Nvidia GPU是否支援CUDA，則可以在此處進行檢查。