深度学习入门 - 0.Pytorch的环境配置

深度学习入门0 - PyTorch环境配置

Python环境

版本：3.10

本教程使用Conda环境进行配置，Conda环境安装好后可以指定Python版本，因此本教程并不需要像之前的爬虫教程那样手动下载安装需要的Python版本。

安装Anaconda

Anaconda就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。

要安装Anaconda，可以使用官网进行安装。若速度过慢，也可以选择清华源进行安装。

官网入口

清华镜像源入口

安装PyCharm

请参考Python爬虫0 - 环境准备的编辑器部分。

启动conda

Windows

安装好anaconda后，可以在开始菜单中，选择Anaconda Prompt进入conda的shell界面。

Linux

默认情况下conda已添加进入环境变量中，直接在终端（Terminal）中使用conda指令即可。

创建conda环境

输入以下指令以创建一个新的conda环境，并指定Python版本为3.10。

conda create -n Pytorch python=3.10

若出现提示，输入y确认创建。

输入以下指令进入该虚拟环境。

conda activate Pytorch

若Linux环境下提示无权限，可以输入以下指令进入该虚拟环境。

source activate Pytorch

若前面的括号写明Pytorch字样，即为成功进入名为Pytorch的conda环境。

安装PyTorch

前置包

在安装PyTorch之前，我们需要先安装机器学习的一些常用包，比如numpy，matplotlib，opencv等。为了包便于管理，这里统一使用 pip 进行包管理。

pip install imageio scipy six numpy pillow tqdm opencv-python

若受限于网络环境无法顺利下载，可以使用清华源下载，指令改为：

pip install imageio scipy six numpy pillow tqdm opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

安装PyTorch

PyTorch官方给出了不同操作系统、处理器下的安装指令，具体请参照该 网页 进行查看。这里简单介绍一下每个选项。

• PyTorch Build: PyTorch的版本，Stable表示稳定版，Preview表示预览版。一般情况下使用Stable稳定版即可。
• Your OS：操作系统环境，根据自己实际操作系统选择。一般家用机是Windows，苹果电脑是Mac。
• Package：使用的包管理器。Conda表示使用Conda进行包管理，Pip表示使用pip进行包管理。LibTorch是C++/Java的库，Source是源代码。
• Language：编程语言，PyTorch支持Python，C++和Java。
• Compute Platform：计算平台，即PyTorch需要在何种设备上运行。如果希望在NVIDIA的GPU上运行可以选择CUDA，AMD的GPU选择ROCm，其余选择CPU通用计算。若在上述OS中选择了Mac，此处的CPU会替换为Default，这是因为苹果自研的M系列处理器具有独立的NPU，Mac版本的PyTorch支持调用该NPU。
• Run this Command: 安装指令，上述选择无误后复制到刚才的终端中运行即可。

CUDA版本的选择可以根据自己显卡型号以及驱动来进行。对于 RTX 30系及以上 显卡推荐使用CUDA 11.8或更高版本的CUDA。具体查看方式可以在终端中输入 nvidia-smi 来查看。在显示的CUDA Version一栏中，注意CUDA Version ≥ PyTorch CUDA 版本即可。

以我这里为例，CUDA Version为12.4，因此我既可以选择CUDA 11.8的版本，也可以选择CUDA 12.1的版本。

以安装Windows环境下CUDA 12.1的PyTorch为例，复制下面的指令到终端中执行即可。由于GPU版本的PyTorch会下载CUDA工具包，因此下载大小大约在2GB左右，耐心等待进度条走完即可。

pip3 install --upgrade torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

验证PyTorch安装成功

打开PyCharm创建新项目，环境选择我们创建好的 Pytorch 环境。复制以下代码验证PyTorch已被正确 安装。

import torch

x = torch.rand(5, 3)
print(x)
# 如果安装了GPU版本，还需要确保下面的输出是True.
print("Verify CUDA is available: ", torch.cuda.is_available())

正确无误的输出应为：

tensor([[0.2158, 0.7663, 0.5148],
        [0.9319, 0.1565, 0.5179],
        [0.6783, 0.9585, 0.9389],
        [0.1042, 0.8241, 0.4365],
        [0.1757, 0.8150, 0.8985]])
Verify CUDA is available:  True

注意：Linux环境下验证ROCm版本的PyTorch是否正确安装依旧是 torch.cuda.is_available() 指令。

---

参考链接：

1. Start Locally | PyTorch