PyTorch框架学习一——PyTorch的安装(CPU版本)
PyTorch简介PyTorch的安装(CPU版)机器学习/深度学习领域的学习都是需要理论和实践相结合的,而它们的实践都需要借助于一个框架来实现,PyTorch在学术界目前处于主流的地位,而且据说上手较快,从今天起开始学习该框架,为后面的学习打一个基础。
PyTorch简介
PyTorch背后的东家是Facebook。1月FAIR(Facebook AI Research)首次发布了PyTorch。他的前身是Torch,而Torch是采用很小众的Lua语言为接口的机器学习框架,正因为Lua非常小众,所以Torch的知名度很低。
PyTorch是在Torch的基础上用Python语言重新打造的一款深度学习框架。不仅能够实现强大的GPU加速,同时还支持动态神经网络,这是很多主流深度学习框架比如Tensorflow等都不支持的。
PyTorch经历了如下的一些重大发展:
1月正式发布PyTorch 4月更新0.4.0版,支持Windows系统,caffe2正式进入PyTorch 11月更新1.0稳定版,是GitHub上增长第二块的开源项目 5月更新1.1.0版,支持TensorBoard,增强可视化功能 8月更新1.2.0版,更新torchvision、torchaudio和torchtext,增加更多功能
PyTorch学习过程中需要查找官方文档:/docs/stable/index.html
PyTorch的安装(CPU版)
因为我的电脑是AMD锐龙的CPU和GPU,不能使用CUDA和CuDnn,也就不能在本机上安装GPU版本,所以只能安装CPU版本用于学习,后续若需要跑大型的深度学习算法,则需要转至服务器上跑,本机只是学习需要,下面就来看一下PyTorch的安装过程(默认已经安装anaconda和pycharm):
1.打开Anaconda的Prompt命令窗口,先为PyTorch框架构建一个虚拟环境,Anaconda的好处就是可以构建很多个不同的虚拟环境,每个环境有着各自不同的框架或者说不同的Python解释器和工具包,命令如下,这里使用的Python的版本为3.7:
构建好虚拟环境后通过命令conda activate Pytorch_cpu来进入该虚拟环境:
我们需要在该虚拟环境下安装PyTorch和 torchvision 。
2.下面我们进入到PyTorch的官网:/
点击Get Started,进入后按照如下选择(只针对windows系统、pip安装、Python版本、无GPU的情况,如有其它需要则应该选择相应的):
下面已经自动生成了一句安装PyTorch和torchvision的命令,查看一下版本无误的话就复制这条命令并粘贴到prompt命令窗口中:
这边是已经安装过了所以没有下载安装的过程,第一次安装会需要下载并安装,过程可能会很慢,这里建议换成国内的镜像源的快速度会得到飞速的提升。
3.以上如果没有问题的话则已经安装好了cpu版的PyTorch,这时我们可以测试一下是否安装正确:
如果正确安装的话是可以得到当前PyTorch的版本和是否GPU版本的。
4.最后我们较好使用PyTorch的IDE是pycharm,所以还需要在pycharm上设置一下解释器:
打开Pycharm->文件->设置->项目: (你的项目名)->Project Interpreter:
点后面的这个小齿轮->Add…,然后选择Conda Environment:
选择Existing Environment,点interpreter这行后面的三个小点:
然后按照你安装Anaconda的路径找到envs文件夹,里面会有相应的python.exe的解释器,选择这个即可:
这时已经设置好了,我们再在pycharm里测试一下Pytorch:
运行结果:
成功!