搭建环境系列文章
第一章 【精选】windows系统下使用pycharm安装2023年最新pytorch
文章目录
前言
随着人工智能的不断发展，深度学习这门技术也越来越重要。当你准备开始进行入深度学习和人工智能领域时，PyTorch是一个强大的工具，它能帮助你实现各种深度学习模型和项目。本教程将向你介绍如何安装PyTorch，这是一个开源的深度学习框架，拥有广泛的社区支持和丰富的功能。无论你是初学者还是经验丰富的开发者，我们将为你提供清晰的步骤和指南，以确保你能够轻松地开始使用PyTorch构建自己的深度学习应用程序。让我们一起迈出第一步，掌握PyTorch的安装过程！
提示：以下是本篇文章正文内容，下面案例可供参考
一、pytorch简介
PyTorch是一个开源的机器学习库，专注于深度学习任务，由Facebook的人工智能研究团队开发和维护。它具有以下重要特点：
- 动态计算图： PyTorch采用动态计算图的方式，允许你根据需要创建、修改和调整计算图，这使得模型开发更加灵活和直观。
- 广泛的应用领域： PyTorch可用于各种深度学习任务，包括图像处理、自然语言处理、强化学习等。它在学术界和工业界都广泛应用，因此成为了研究和开发人员的首选工具。
- 丰富的模块和库： PyTorch提供了丰富的深度学习模块和工具，包括各种优化算法、损失函数、预训练模型等，使模型开发更加高效。
- Python友好： PyTorch的接口基于Python，这使得它非常易于学习和使用，尤其适合那些熟悉Python编程的人。
- 强大的社区支持： PyTorch拥有一个庞大的社区，你可以找到大量的教程、示例代码和支持资源，有助于解决问题和加速开发。
- 部署选项： 除了模型开发，PyTorch还提供了多种部署选项，包括移动设备部署、生产环境部署等，使你的深度学习模型能够在各种场景下运行。
总之，PyTorch是一个强大、灵活且易于使用的深度学习框架，为研究、开发和解决复杂问题提供了出色的工具和资源。无论你是初学者还是专业人士，PyTorch都是探索人工智能领域的理想选择。
二、检查是否有NVIDIA显卡
请在“设备管理器”中的“显示适配器”那一项查看是否有NVIDIA显卡，若没有显示有“NVIDIA GeForce …”，则表示这台电脑没有NVIDIA显卡，请按照下文“CPU版”安装方式安装pytorch；若显示有“NVIDIA GeForce …”，则按照下文“GPU版”安装方式安装pytorch。
温馨提示：请务必确认一下电脑的显卡型号再安装，否则可能导致后续环境搭建失败！
若有NVIDIA显卡，请查看显卡型号。如下所示，我的电脑显卡型号为“NVIDIA GeForce GTX 3060 Laptop GPU”。
三、环境搭建步骤
1、GPU版
1.1、NVIDIA驱动安装
NVIDIA驱动下载链接:
https://www.nvidia.cn/Download/index.aspx?lang=cn
-
进入上文提供的NVIDIA驱动下载链接，根据电脑的显卡型号下载相应的NVIDIA驱动包，流程如下；
-
下载完成后，按照安装提示的流程走即可，此处省略安装步骤。
1.2、cuda程序安装
cuda下载链接：
https://developer.nvidia.com/cuda-toolkit-archive
-
在桌面上右击鼠标右键，打开NVIDIA控制面板，并参考如下步骤确认需要安装什么版本的cuda。如下所示，支持的cuda版本最高为“CUDA 12.3.68”；
-
进入cuda下载链接。请注意，截止目前，pytorch只支持cuda12.1及以下的版本，暂不支持cuda12.3的版本。为了后续pytorch的顺利安装，这里我们选择cuda12.1.1进行下载，步骤如下；
-
下载完成后，按照安装提示的流程走即可，此处省略安装步骤；
-
安装cuda之后，需要验证是否安装成功。在搜索中输入cmd并使用管理员身份打开；
-
在cmd中输入“nvidia-smi”，若打印出以下信息则表示cuda安装成功；
1.3、cudnn程序安装
cudnn下载链接：
https://developer.nvidia.com/rdp/cudnn-download
-
进入cudnn下载链接后，需要输入账号和密码登录（若没注册，请先注册）
-
因为上一步安装的cuda程序是12.x版本的，所以选择“CUDA 12.x”；
-
选择基于windows版本的cudnn安装包进行下载；
-
完成下载后，解压，可看到有“bin”、“include”和“lib”三个子文件夹；
-
因为我的cuda安装目录在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA”，所以我把解压后的cudnn文件按如下复制到cuda的安装目录：
1）将“bin”文件夹里的所有文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin”目录下；
2）将“include”文件夹里的所有文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include”目录下；
3）将“lib/x64”文件夹里的所有文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib\x64”目录下。
温馨提示：若cuda安装在其它文件夹，则要把cudnn的文件放在其它文件夹下！
1.4、anaconda安装
anaconda官网链接:
https://www.anaconda.com/download/
- 如下所示，直接点击“Download”进行下载即可，默认就是最新版和windows版的anaconda；
- 下载完成后，请按照安装提示正常操作即可，这里省略安装步骤。
1.5、使用anaconda创建虚拟环境
- 因为后续的每一个项目可能需要的依赖库版本不同，为了避免版本冲突，需要为每一个项目配置一个虚拟环境，这样就互不干扰了；
- 搜索“anaconda prompt”，打开此终端；
- 输入“conda env list”，可查看当前所有的虚拟环境。如下所示，anaconda默认帮你创建了一个名为“base”的虚拟环境；
// 查看当前所有的虚拟环境
conda env list
- 新建一个虚拟环境，虚拟环境的名称可以随意命名。这里假设新建一个虚拟名称为“torch_test”的虚拟环境，则输入“conda create –n torch_test python=3.11”（这里3.11是我电脑安装的python版本，若想查看当前python版本，直接输入“python”即可）
// 创建一个名为“torch_test”的虚拟环境，当前python版本为3.11
conda create –n torch_test python=3.11
-
安装过程中，会提示输入“y”or“n”，输入“y”按回车即可；
-
等待安装完成之后，输入“conda env list”查看，可以看到新建的“torch_test”虚拟环境。使用“conda activate torch_test”可切换到这个虚拟环境。
// 切换到“torch_test”这个虚拟环境
conda activate torch_test
1.6、pycharm安装和新建工程
pycharm官网链接:
https://www.jetbrains.com.cn/en-us/pycharm/
-
进入pycharm官网链接后，点击“Download”；
-
pycharm选择免费的社区版（Community）进行下载就行，推荐选择最新版本（默认就是最新版）；
-
下载完成后，请按照安装提示正常操作即可，这里省略安装步骤。安装过程会遇到如下提示，全勾选即可；
-
安装完pycharm后，打开pycharm，点击“New project”；
-
如下所示，系统会指定了默认的项目路径和项目名称，可以自己改变路径和项目名称；
-
由于我们之前已经通过anaconda的终端创建了一个“torch_test”的虚拟环境，所以这里我们需要绑定这个虚拟环境，请选择“Previously configured interpreter”，然后点击“Add Local Interpreter”；
-
按如下步骤绑定之前已创建好的“torch_test”虚拟环境；
-
鼠标右键点击界面左侧新建的项目名称，然后新建一个“Python File”，这里命名为“test.py”。至此，pycharm已完成安装，且绑定了虚拟环境，新建了项目工程。
1.7、pytorch安装
pytorch官网链接:
https://pytorch.org/
-
进入pytorch官网后，选择“Get Started”；
-
请选择和和之前安装的cuda程序一样的版本，例如上文安装的cuda版本是12.1，那么这里选择的cuda版本也是12.1（如果安装了其它版本的cuda，请点击“install previous versions of Pytorch”并选择相应版本的cuda），然后复制安装指令；
-
回到pycharm，打开pycharm终端。请观察终端的当前虚拟环境是否是“torch_test”，若不是，请使用“conda activate torch_test”切换到“torch_test”环境；
-
在pycharm终端上粘贴从pytorch官网复制的安装指令，并按回车开始安装pytorch；
-
若安装过程遇到“read time out”的问题，则添加“ --default-timeout=100”延长安装时间，如下所示；
pip3 --default-timeout=100 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
- 当pytorch安装完成后，请在新建的test.py中输入以下代码；
import torch
# 打印pytorch版本信息
print("torch.__version__ = ", torch.__version__)
# 验证cuda是否可用
print("torch.cuda.is_available() = ", torch.cuda.is_available())
- 若打印出pytorch版本号，且“torch.cuda.is_available()”返回“True”，则证明GPU版的pytorch安装成功。
2、CPU版
2.1、anaconda安装
anaconda官网链接:
https://www.anaconda.com/download/
-
如下所示，直接点击“Download”进行下载即可，默认就是最新版和windows版的anaconda；
-
下载完成后，请按照安装提示正常操作即可，这里省略安装步骤。
2.3、使用anaconda创建虚拟环境
- 因为后续的每一个项目可能需要的依赖库版本不同，为了避免版本冲突，需要为每一个项目配置一个虚拟环境，这样就互不干扰了；
- 搜索“anaconda prompt”，打开此终端；
- 输入“conda env list”，可查看当前所有的虚拟环境。如下所示，anaconda默认帮你创建了一个名为“base”的虚拟环境；
// 查看当前所有的虚拟环境
conda env list
- 新建一个虚拟环境，虚拟环境的名称可以随意命名。这里假设新建一个虚拟名称为“torch_test”的虚拟环境，则输入“conda create –n torch_test python=3.11”（这里3.11是我电脑安装的python版本，若想查看当前python版本，直接输入“python”即可）
// 创建一个名为“torch_test”的虚拟环境，当前python版本为3.11
conda create –n torch_test python=3.11
-
安装过程中，会提示输入“y”or“n”，输入“y”按回车即可；
-
等待安装完成之后，输入“conda env list”查看，可以看到新建的“torch_test”虚拟环境。使用“conda activate torch_test”可切换到这个虚拟环境。
// 切换到“torch_test”这个虚拟环境
conda activate torch_test
2.4、pycharm安装和新建工程
pycharm官网链接:
https://www.jetbrains.com.cn/en-us/pycharm/
-
进入pycharm官网链接后，点击“Download”；
-
pycharm选择免费的社区版（Community）进行下载就行，推荐选择最新版本（默认就是最新版）；
-
下载完成后，请按照安装提示正常操作即可，这里省略安装步骤。安装过程会遇到如下提示，全勾选即可；
-
安装完pycharm后，打开pycharm，点击“New project”；
-
如下所示，系统会指定了默认的项目路径和项目名称，可以自己改变路径和项目名称；
-
由于我们之前已经通过anaconda的终端创建了一个“torch_test”的虚拟环境，所以这里我们需要绑定这个虚拟环境，请选择“Previously configured interpreter”，然后点击“Add Local Interpreter”；
-
按如下步骤绑定之前已创建好的“torch_test”虚拟环境；
-
鼠标右键点击界面左侧新建的项目名称，然后新建一个“Python File”，这里命名为“test.py”。至此，pycharm已完成安装，且绑定了虚拟环境，新建了项目工程。
2.5、pytorch安装
pytorch官网链接:
https://pytorch.org/
-
进入pytorch官网后，选择“Get Started”；
-
因为电脑没有NVIDIA显卡，所以“Compute Platform”那一项选择“CPU”，然后请复制安装命令；
-
回到pycharm，打开pycharm终端。请观察终端的当前虚拟环境是否是“torch_test”，若不是，请使用“conda activate torch_test”切换到“torch_test”环境；
-
在pycharm终端上粘贴从pytorch官网复制的安装指令，并按回车开始安装pytorch；
-
若安装过程遇到“read time out”的问题，则添加“ --default-timeout=100”延长安装时间，如下所示；
pip3 --default-timeout=100 install torch torchvision torchaudio
- 当pytorch安装完成后，请在新建的test.py中输入以下代码；
import torch
# 打印pytorch版本信息
print("torch.__version__ = ", torch.__version__)
# 验证cuda是否可用
print("torch.cuda.is_available() = ", torch.cuda.is_available())
- 若打印出pytorch版本号，且“torch.cuda.is_available()”返回“False”，则证明安装的是CPU版本的pytorch。
结语
安装PyTorch后，你已经为深度学习和人工智能的探索铺平了道路。PyTorch提供了强大的工具和库，帮助你构建各种类型的神经网络，解决复杂的问题，并开发创新的应用程序。作为一名PyTorch用户，你现在可以探索图像处理、自然语言处理、强化学习和其他领域的项目。