Python学习第十七天之PyTorch保姆级安装

PyTorch安装与部署

一、准备工作
二、pytorch介绍
三、CPU版本pytorch安装
- [1. 创建虚拟环境](#1. 创建虚拟环境)
- [2. 删除虚拟环境](#2. 删除虚拟环境)
- - [1. 通过环境名称删除](#1. 通过环境名称删除)
  - [2. 通过环境路径删除](#2. 通过环境路径删除)
- [3. 配置镜像源](#3. 配置镜像源)
- [4. 安装pytorch](#4. 安装pytorch)
- - [1. 首先激活环境变量](#1. 首先激活环境变量)
  - [2. 进入pytorch官网，找到安装指令](#2. 进入pytorch官网，找到安装指令)
- [5. 验证pytorch是否安装成功](#5. 验证pytorch是否安装成功)
四、GPU版本pytorch安装
- [1. 查看自己电脑的GPU](#1. 查看自己电脑的GPU)
- [2. 安装pytorch](#2. 安装pytorch)
- [3. 验证是否安装成功](#3. 验证是否安装成功)
五、补充
- [1. 卸载当前的PyTorch版本](#1. 卸载当前的PyTorch版本)
六、如何使用Anaconda环境
- 1.pycharm如何使用
- [2. jupyter如何使用](#2. jupyter如何使用)

一、准备工作

1.pytorch需要python3.6及以上的python版本
2.我是利用Anaconda来管理我的python。可自行安装Anaconda。

二、pytorch介绍

安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。

CPU版本安装：
CPU 版本适用于没有 GPU 或不需要使用 GPU 进行深度学习的情况。安装过程相对简单，因为没有依赖 GPU 驱动和 CUDA 的要求。
GPU版本安装：
如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。

三、CPU版本pytorch安装

为了更好的管理不同项目的Python项目，通常建议创建一个虚拟环境。可以隔离不同项目的依赖项，避免项目之间的冲突。

1. 创建虚拟环境

安装好Anaconda后会有这些程序

输入以下指令可查看当前的虚拟环境

python 复制代码

conda env list

利用 conda create 指令创建新的虚拟环境

python 复制代码

conda create --n 虚拟环境名字(自己设置) python=版本

演示如下

输入y，等待安装

2. 删除虚拟环境

1. 通过环境名称删除

python 复制代码

conda remove --name 环境名称 --all

2. 通过环境路径删除

python 复制代码

conda remove --prefix 路径 --all

3. 配置镜像源

根据上述操作，以如下的环境列表为例（虚拟环境已经创建好）：

由于安装指令都是从国外的通道下载，下载速度会非常慢。所以我们可以用国内的镜像地址下载pytorch

python 复制代码

conda config --show

输入上述指令可以查看我们的通道地址

我的环境中有三个清华的镜像源。如果是之前没用过镜像源，这里只会显示dafaults。

镜像名	镜像地址
清华源镜像	https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
阿里巴巴镜像	http://mirrors.aliyun.com/anaconda/pkgs/main
淘宝镜像源	https://registry.npmmirror.com/

python 复制代码

conda config --add channels 通道地址

输入以上命令可以添加通道地址，添加后输入以下地址也可以查看通道地址（验证是否加上通道）

python 复制代码

conda config --get

如果想删除通道，可执行下面代码

python 复制代码

conda config --remove channels 通道地址

4. 安装pytorch

1. 首先激活环境变量

python 复制代码

conda activate 创建的虚拟环境

2. 进入pytorch官网，找到安装指令

点击Get started 进行如下配置

找到安装代码

python 复制代码

conda install pytorch torchvision torchaudio cpuonly -c pytorch  //注意，这种就是直接从国外下载了

用镜像源安装
注:使用的镜像一定要是highest priority的镜像,否则会下载失败

python 复制代码

conda install pytorch torchvision torchaudio cpuonly --c 镜像地址

直接复制自己对应的镜像源即可
出现下图所示，就是安装完成。

5. 验证pytorch是否安装成功

在安装pytorch的虚拟环境下输入conda list 查看是否有pytorch

在虚拟环境下运行python并导入torch

python 复制代码

print(torch.__version__)

注:这里我们导入torch失败,报错Cannot load mkl_intel_thread.dll
错误警告

INTEL MKL ERROR: 找不到指定的模块。 mkl_intel_thread.dll.
Intel MKL FATAL ERROR: Cannot load mkl_intel_thread.dll.
一些需要mkl_intel_thread.dll文件的python库无法加载其文件，主要原因是环境问题。

解决方法

python 复制代码

#使用conda或者pip对其跟新
conda update numpy
conda update mkl

在此执行

python 复制代码

import torch
print(torch.__version__)

显示PyTorch 的版本号，说明 PyTorch 已经成功安装。

四、GPU版本pytorch安装

首先和CPU版本安装一样，创建一个虚拟环境，前面提到，这里不在重复。

1. 查看自己电脑的GPU

在任务管理器中可查看GPU

如果没安装显卡驱动，先安装最新的显卡驱动，到官网自行安装即可。

查看驱动版本。win + r ，输入cmd 进入终端，输入指令：

python 复制代码

nvidia-smi

我的 CUDA 驱动版本是 12.1，这表示驱动所支持的最大 CUDA 运行时 API 版本是 12.1。因此，如果要安装 CUDA 运行时版本，就需要确保 CUDA 驱动版本 >= CUDA 运行时版本，也就是说可以安装 12.1 及更早的版本。

2. 安装pytorch

直接进入创建的虚拟环境中输入命令，安装成功：

python 复制代码

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

3. 验证是否安装成功

指令：

python 复制代码

import torch
print(torch.__version__)
print(torch.cuda.is_available())

可以直接进入终端python运行指令检验

出现以上界面说明安装成功

也可以直接在pycharm编辑器中验证。

使用GPU环境，最后输出cu121、True，说明安装成功

五、补充

1. 卸载当前的PyTorch版本

进入所在的虚拟环境，输入以下指令即可。

python 复制代码

pip uninstall torch torchvision torchaudio

六、如何使用Anaconda环境

1.pycharm如何使用

2. jupyter如何使用

打开Anaconda Prompt

切换到自己想要使用的环境

python 复制代码

conda activate 环境名

执行

python 复制代码

conda install nb_conda

输入y

显示done下载成功

执行jupyter notebook