【深度学习】PyTorch安装与部署

PyTorch是一个开源的深度学习框架，由Facebook的人工智能研究小组开发，主要用于构建和训练神经网络模型。它以其灵活性、易用性和动态计算图的特性在研究和工业界得到了广泛应用。

1.添加镜像源

PyTorch的源默认是海外的，因而在国内下载速度较慢，有时甚至会掉线。本文通过更改conda的默认镜像源为清华源，来提高下载速度。

打开cmd或anaconda prompt，输入下列代码：

shell 复制代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

这里配置了pkgs/free/，pkgs/main/和cloud/pytorch/等好几个清华源下的目录，以便为pytorch所需要的全部相关库提供国内镜像源，在每次下载前，cmd终端总是会询问是否要进行下载或安装（要求输入y或n），此时可以观察到下载文件的地址。

如果该地址的开头部分不是我们添加的清华源镜像，也不是default目录，则说明已经添加的目录不包含这个文件。需要去清华源官网查找这个文件所在清华源目录，并使用和上面的代码同样的方式，将这个目录添加到自己环境中。

添加完毕后，运行下列代码查看镜像源设置是否成功：

shell 复制代码

conda config --show

在channels下方看到自己添加的镜像源，就表示设置成功：

设置完镜像源，接着安装PyTorch了。

2.在CPU版本(无GPU)下安装PyTorch

CPU版本安装比较简单，不需要考虑Python版本、使用的硬件(显卡)、环境变量以及CUDA版本等，可以直接使用简单的语句来进行安装。打开cmd或anaconda prompt，输入下列代码：

shell 复制代码

conda install pytorch torchvision torchaudio cpuonly

安装的过程需要等待一段时间，安装完成后会显示自动同意相关许可及done等字样。当cmd再次进入可以输入状态，就是安装完成了。

接下来我们需要使用以下代码来验证PyTorch是否已经被安装成功了，在cmd/terminal中输入python进入python环境

python 复制代码

python

之后输入torch库的代码

python 复制代码

import torch

如果没有报错，则说明安装成功了。

3.GPU版本下安装PyTorch

3.1 CUDA的下载

本文GPU主要指NVIDIA十代之后的版本，这里需要读者注意一下。进入CUDA官网（下图的URL地址），后根据conda-smi命令，找到NVIDIA驱动对应的CUDA版本。

因而笔者选择了CUDA13.0这个版本，进入官网后，点击CUDA Toolkit 13.0.0后，选择Windows11系统对应的版本：

3.2 CUDA的安装

将下载好的.exe文件进行点击安装即可。

安装步骤比较简单，一路同意或下一步：

建议选择自定义安装：

这里的Visual Studio要慎重，若没有安装Visual Studio就不要勾选，否则安装就会报错：

安装位置可以根据个人偏好进行选择：

下一步后等待进度条结束。

安装完成之后，打开终端，输入以下命令：

bash 复制代码

nvcc -V

如果显示CUDA版本信息，则安装成功。

接下来cmd打开终端，输入系列命令

shell 复制代码

conda install pytorch torchvision torchaudio cudatoolkit=11.0

安装过程需要一段时间，安装完成后会显示自动同意相关许可及done等字样。当cmd终端再次计入可输入的状态，就是安装完成。

接下来输入：

python 复制代码

python  //进入python解释器
improt torch //导入torch库
torch.cuda.is_available()

返回结果为true，说明安装成功，可以使用PyTorch的GPU版本。

3.3 windows11下安装cuDNN

cuDNN是基于CUDA的一个计算库，CUDA的职责就是将开发者在PyTorch中编写好的程序信息（如让GPU内部开多少线程来计算，怎么计算）整理出来，而cuDNN就是基于CUDA，但更擅长整理深度卷积神经网络计算的程序。安装cuDNN后，我们的卷积神经网络能跑得更快。安装方式和CUDA差不多，这里不再赘述，后续用到的时候，会详细说明。

4.未安装CUDA情况下，直接pip安装pytorch

4.1 什么是配置虚拟环境

Anaconda默认环境是base，这个环境中已经安装了一些packages。base环境像一栋楼，里面有房间，大家都可以住，但是每间房的户型都一样。如果想和别人住得不一样，就开辟一个新户型（虚拟环境），按自己的需求进行装修，这样就可以满足对于特定型号（不同版本package）的要求。不同户型（虚拟环境）在不同位置，它们互不联系，互不影响。