Pytorch安装和配置教程

Pytorch安装和配置教程

作为一个科研小白,在人工智能领域研究需要深度学习框架和趁手的编程工具。主流的深度学习框架有Pytorch和TensorFlow。本文将一步步详细讲解利用Anaconda安装Pytorch框架和将其环境配置到Pycharm。

我个人推荐的安装Pytorch框架视频:PyTorch深度学习快速入门教程(绝对通俗易懂!)

本文参考上述视频,大家可以根据自己喜好选择看视频或本文章。

Anaconda安装

Anaconda是一个开源Python发行版本,包含很多科学计算的依赖包,不仅可以便捷的下载和管理依赖包,而且可以统一管理发行版本,避免依赖包之间版本冲突。

1.首先进入Anaconda下载网页,点击下载Anaconda安装包,我下载的是Windows版本的,官网还提供了Mac和Linux版本的,大家根据自己电脑的操作系统下载。

2.下载完成后点击安装包进行安装,按照提示一步步进行安装,需要注意的是要记住安装的位置,便于后面在Pycharm配置路径时能够找到。我安装的路径为:E:\Anaconda3。

3.安装完成后,在Windows自带的搜索中输入Anaconda Prompt进行搜索,找到并打开Anaconda命令窗口,如下图所示。base是Anaconda默认安装的环境,一般我们不会在base环境下安装依赖包,而是使用conda命令来创建虚拟环境。接下来我们来尝试创建一个名为"pytorch"的虚拟环境。

4.在当前命令窗口中输入:conda create -n pytorch python=3.9,该命令是创建一个名为"pytorch"的虚拟环境,指定python版本为3.9。虚拟环境的名称和python版本都可以自己指定。安装虚拟环境过程需要输入 y 进行回车确认,才进行安装。如果不想在过程中输入 y 确认可以在命令添加中 -y。最后等待下载安装好虚拟环境。

text 复制代码
conda create -n pytorch python=3.9
conda create -y -n pytorch python=3.9

5. 安装好虚拟环境后,我们需要切换到刚刚安装好的虚拟环境,输入命令为:conda activate pytorch,这样我们就切换到pytorch虚拟环境下。此外,我还提供其他比较常用的命令,如:查看现存的虚拟环境、退出当前虚拟环境和删除虚拟环境。大家感兴趣的可以尝试一下。

text 复制代码
# 更换虚拟环境
conda activate pytorch
# 查看当前存在的虚拟环境
conda env list
# 退出当前的虚拟环境
conda deactivate
# 删除虚拟环境
conda env remove -n pytorch

Pytorch安装

PyTorch框架是由Facebook开源的神经网络框架,专门针对 GPU 加速的深度神经网络(DNN)编程。Torch 是一个经典的对多维矩阵数据 进行操作的张量(tensor )库 ,在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同,pytorch的计算图是动态的,可以根据计算需要实时改变计算图。

Pytorch可以安装GPU或者CPU版本,二者区别就是前者处理核多,运算快,能够加速模型训练。后续安装步骤以GPU为主。

1.安装GPU版本首先得查看自己电脑的配置是否有独立显卡(非集显),打开任务管理器->性能->GPU,如下图所示。查看显卡型号和判断是否是独立显卡。

2.打开PyTorch官网页面往下拉,直达看到如下图所示位置。默认如图选择的配置,安装优先使用conda (可兼顾依赖包版本),其次是pip进行安装。Compute Platform一般选择最左侧的CUDA版本,自己电脑的CUDA版本要大于或等于它 。没有GPU的选择CPU进行安装。查看CUDA版本可以按"Win+R "键,输入cmd回车,打开命令行窗口,输入nvidia-smi进行。如果驱动版本和CUDA版本太低,则需要去更新显卡驱动。

text 复制代码
# 查看GPU使用情况、驱动版本和CUDA版本
nvidia-smi

3.复制Run this Command里面的命令语句到之前Anaconda命令窗口,粘贴上去回车下载安装。若没有使用镜像channel,下载过程可能会很慢,大家可以自行上网查找文章配置镜像。执行完成后,如果不确定是否安装到位,可以再复制该语句执行,最后一句会出现All requested packages already installed.表示安装完成。

text 复制代码
# 最好是去官网下复制,防止官网更新Pytorch修改了语句
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

4.安装完成后要测试pytorch是否能调用cuda,输入python进入python运行环境,再依次输入import torch和torch.cuda.is_available(),若为True则表示测试成功。这样我们就完成了Pytorch的安装了。

python 复制代码
# 进入python运行环境
python
# 导入torch包,不是pytorch
import torch
# cuda是否能使用
torch.cuda.is_available()

Pycharm配置Anaconda虚拟环境

1.在前面的步骤成功后,就可以将该虚拟环境配置到Pycharm中。首先打开Pycharm,创建一个新项目,点击右侧的python interpreter->Previously configured interpreter->Add Interpreter->Add Local Interpreter。 2.在弹出的窗口左侧选择Conda Environment,在右侧Conda Executable中需要选择Anaconda安装路径下的Scripts\conda.exe,我安装的路径为:E:\Anaconda3\Scripts\conda.exe。选择好后Pycharm会识别出Anaconda的虚拟环境,在下拉框选择好虚拟环境即可。

  • 希望这篇文章能够帮到你
  • 如有遇到问题,可以在评论区留言交流
  • 若有侵权,联系必删!
相关推荐
慕婉030715 小时前
Tensor自动微分
人工智能·pytorch·python
槑槑紫1 天前
深度学习pytorch整体流程
人工智能·pytorch·深度学习
IT古董1 天前
【第三章:神经网络原理详解与Pytorch入门】02.深度学习框架PyTorch入门-(5)PyTorch 实战——使用 RNN 进行人名分类
pytorch·深度学习·神经网络
机器学习之心1 天前
小波增强型KAN网络 + SHAP可解释性分析(Pytorch实现)
人工智能·pytorch·python·kan网络
Green1Leaves2 天前
pytorch学习-11卷积神经网络(高级篇)
pytorch·学习·cnn
灵智工坊LingzhiAI2 天前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
William.csj3 天前
Pytorch/CUDA——flash-attn 库编译的 gcc 版本问题
pytorch·cuda
Green1Leaves3 天前
pytorch学习-9.多分类问题
人工智能·pytorch·学习
摸爬滚打李上进3 天前
重生学AI第十六集:线性层nn.Linear
人工智能·pytorch·python·神经网络·机器学习
HuashuiMu花水木3 天前
PyTorch笔记1----------Tensor(张量):基本概念、创建、属性、算数运算
人工智能·pytorch·笔记