史上最全的pytorch開發環境搭建教程【基於win10】

史上最全的`pytorch`開發環境搭建教程【基於`win10`】

0.總結

`Get to the points first. The article comes from LawsonAbs!`

pytorch簡介
安裝前的基本環境
詳細安裝過程

1.`pytorch` 是什麼？

pytorch是一個機器學習的框架平臺，與TensorFlow的作用機制相類似。雖然晚於TensorFlow出生，但是憑藉其優雅的操作接口和動態圖的構建思想，在使用便捷上已經遠超TensorFlow，但是因爲開放較晚的原因，在工業部署方面仍然在追趕TensorFlow。

2.基本環境

這裏我列舉我的電腦裏 pytorch 的安裝環境。

win 10
GPU【版本型號 GeForce GT 740M；驅動型號：417.22；cuda版本：10.0 】詳細請看如下所示：
Anaconda 版本

3.安裝`pytorch`

如果想從事機器學習方向，我覺得比較完美的搭配是Anaconda+pycharm[Anaconda版]，建議上述一整套的環境的版本信息一定要匹配，否則會很容易出問題。

3.1 安裝 `Anaconda`

python只是一個編程語言，在開發具體軟件時，可能還需要使用到各種的包，比如著名的 numpy，torch 等等。如果我們自己來管理則顯得非常麻煩，於是便有了Anaconda這樣一個類似容器的東西，它封裝了python各種各樣的包；同時它也可以提供一個不同的python語言版本。是非常利於 python 編程的。
官網下載 anaconda 軟件，然後傻瓜安裝即可。
安裝完成之後，在命令行輸入python，能進入交互頁面就說明沒有問題了。

3.2 安裝`pytorch`

這個步驟稍顯麻煩，如果不加註意，會爲以後挖下許多坑。

step 1.首先確定自己的電腦是否支持GPU加速。pytorch分成CPU和GPU兩個版本，其中GPU版本僅支持N卡【Nvidia 顯卡】的使用【對N卡的操作的接口就是cuda】。如果支持，則還需要驗證自己的顯卡算力如何，低算力是不能用較高版本的cuda的，否則啓用cuda會失敗；同時判斷顯卡的驅動版本，是否支持cuda。
step 2.進入pytorch 官網，針對自己的平臺安裝pytorch。【這裏筆者建議千萬不要安裝最新版本的pytorch，除非你對自己的電腦硬件很有信心，否則是幾乎難以安裝成功的】。筆者寫此稿的時間是2020-04-09，我安裝的就是 pytorch 1.0 + cuda8.0 +，官網首頁給出的幾乎都是最新版，所以我們要去到之前的發佈頁找到合適的版本。我找到適合我的電腦的安裝命令如下：
cuda 8.0 指的就是安裝GPU版本的pytorch，然後cuda版本的型號是8.0【注意這個跟windows環境下看到的cuda版本10.0不同，那裏的10.0意指支持417.22的驅動支持10.0版本的cuda；這裏的8.0意指pytorch使用GPU加速時，其調用的cuda版本是8.0。二者不衝突。】
複製命令：
conda install pytorch==1.0.0 torchvision==0.2.1 cuda80 -c pytorch
去到anaconda prompt環境下執行【這個需要在外網下載3-5個包，而且有的包還挺大，速度很慢！我尚未找到比較合理的加速方案。】這裏解釋一下這條命令的組成：
pytorch==1.0.0表示其1.0.0版本號；pytorchvision是在使用pytorch時經常會用到的一個可視化工具，這裏的版本號是0.2.1。
step3. 等待命令執行成功時，就可以驗證pytorch 是否真的安裝成功了。官網中的驗證信息遠遠不夠。
進入python的交互頁面：

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)

如果有類似如下的輸出

tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])

則說明pytorch的CPU版是可以使用了，那麼可以在GPU上跑跑嗎？還需要再驗證一下。

import torch
torch.cuda.is_available()

如果此時能夠調用GPU，則應該顯示True，否則爲False。有什麼原因會導致輸出爲false呢？可以參考我的博客。但是即使爲True時，也不見得真的能在GPU上跑，輸入如下語句：

import torch as t
import torchvision
print(t.cuda.is_available())
a = t.Tensor(5,3)
a = a.cuda()
print(a)

如果真的顯示出來，則說明沒有問題：

可能會因爲算力不夠的問題，導致報錯：

RuntimeError: CUDA error: no kernel image is available for execution on the....

這個原因就是因爲機器的性能不支持最新版本的cuda，所以我需要安裝之前的pytorch【從而降低cuda的版本】。

3.3 安裝`pycharm`

pycharm是一款編程利器，我這裏安裝的是社區版，因爲anaconda和pycharm公司有合作，所以可以專門下載一個基於anaconda環境的pycharm，這樣編程可能就會更舒服一些。

3.4 查看版本信息

在anaconda prompt的環境裏使用命令pip list可以看到python相關的包及其版本信息。

4.其它

各位讀者有什麼需要補充的儘可放心評論留言，我會第一時間完善博文！

史上最全的pytorch開發環境搭建教程【基於win10】