深度学习（二）：Pytorch框架安装讲解

一、前言

Pytorch分为CPU版和GPU版，工作中一般会选择GPU进行训练。这里我们主要介绍如何安装Pytorch的GPU版。因为版本要求比较严格，我这里搭配了一套可用的版本，可当做参考。win10 + 1070ti + Anaconda + python3.6 + CUDA10.1 + cuDNN8.0.2 + pytorch1.5.0

二、win10

操作系统我这里选择win10 64位专业版，其他系统没试过，可自行尝试。

三、1070ti

想要用GPU跑训练，首先要有一张显卡，这里附一张显卡性价比推荐图。
780ti、980ti虽然性价比最高，但市面上并不常见。1080ti价格太贵，本人能力有限，土豪请忽略。1070和1080大几率会买到矿卡，所以也不推荐。再结合性价比，我这里选择的是微星钛金龙1070ti，1070ti价格一般在1500-2000。可以作为参考。

在这里插入图片描述
这里使用的驱动为432版本，该版本对应的cuda有10.1版本以下，可以兼容低版本，比如可以选择9.2。我这选择的cuda 10.1版本。

在这里插入图片描述
查看驱动版本可以使用cmd，输入命令：

nvidia-smi

在这里插入图片描述

四、Anaconda

首先先下载安装包。建议使用迅雷下载，速度会快一些

官网windows64位下载地址：https://repo.anaconda.com/archive/Anaconda3-2020.07-Windows-x86_64.exe

安装包下载好后，双击安装文件，点击Next

在这里插入图片描述
点击I Agree

在这里插入图片描述
这里选择All Users，点击Next

在这里插入图片描述
选择安装路径，点击Next

在这里插入图片描述
两个选项都选中，点击Install，稍等片刻~

在这里插入图片描述
安装完成后测试一下是否安装成功。
打开cmd，输入conda list回车，如下图即成功

在这里插入图片描述

五、python3.6

这里我们使用conda进行python3.6安装。
conda相当于一套虚拟环境。比如我们本机安装了python3.8版本，但这时我们需要使用python3.6版本，难道要把python3.8版本卸载重装吗，这样太麻烦了。这时就需要conda了，我们可以新建一个conda环境，在这个环境中安装python3.6。我们使用命令行创建conda环境：

#conda create -n gpu python=3.6
conda create -n 虚拟机名称 python=想要安装的python版本

中间会弹出Proceed([y]/n)?，输入：y

在这里插入图片描述
接下来我们需要切换到虚拟机，用下述命令进行切换：

#activate gpu
activate 虚拟机名称

六、CUDA10.1

接下来我们开始安装cuda，这里要注意一点，pytorch目前支持最高cuda版本为10.2，千万不要用11.0的版本。前面说过，版本卡的死死的，稍微有版本不兼容，都会导致最后无法识别gpu。这里我们选择的是CUDA10.1。

cuda可以从NVIDIA官网进行下载 https://developer.nvidia.com/cuda-downloads

这里直接附上10.1版本的下载链接，由于安装包比较大，大约2.5G，官网速度太慢，所以建议用迅雷进行下载。

https://developer.download.nvidia.cn/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_426.00_win10.exe

下载好后我们开始进行安装：
1.等待安装程序初始化后，一路下一步即可。（默认安装）

在这里插入图片描述
2.按照如下步骤配置环境变量

在这里插入图片描述
3.添加如下环境变量：

CUDA_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
CUDA_SDK_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64
CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64

4.在原有的PATH变量中添加：

%CUDA_PATH%;
%CUDA_BIN_PATH%;
%CUDA_LIB_PATH%;
%CUDA_SDK_PATH%;
%CUDA_SDK_LIB_PATH%;
%CUDA_SDK_BIN_PATH%;

5.测试安装是否成功，打开cmd，输入如下指令

nvcc -V

在这里插入图片描述

七、cuDNN8.0.2

接下来我们安装cuDNN，首先先附上官网下载地址

https://developer.nvidia.com/rdp/cudnn-archive

这里我们选择与cuda匹配的cuDNN，也是推荐用迅雷下载，不然太慢。
在这里插入图片描述

这里直接附上下载地址：

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.2.39/10.1_20200724/cudnn-10.1-windows10-x64-v8.0.2.39.zip

下载后是zip的压缩包
1.解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；
2.分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1对应的include、lib、bin目录下即可。
注意：不是替换文件夹，而是将文件放入对应的文件夹中（如果提示是否替换，说明操作有问题）

八、pytorch1.5.0

我们可以访问pytorch官网，定制化生成下载链接

https://pytorch.org/

在这里插入图片描述
这里需要注意一点，官网下载会非常非常慢，以至于根本下载不下来，这里我们选择清华源进行下载。配置清华源非常简单。依次在cmd的conda源中运行如下指令：

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

之前从官网生成的链接为conda install pytorch torchvision cudatoolkit=10.1 -c pytorch。这里注意要把后面的-c pytorch去掉，不然还是使用的默认源下载。这里准备好了下载链接，直接运行即可：

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1

接下来验证是否安装成功，我们进入到python开发环境中，输入如下指令：

>>> import torch
>>> print(torch.version)
>>> torch.cuda.is_available() #如果为True,说明安装成功。

总结

到这里Pytorch框架的GPU版本已经安装完成。

框架安装好后，咱们还需要另一个帮手，那就是一款合适的IDE，下一节将会介绍PyCharm的使用方法。