最近对深度学习重新燃起了兴趣,加之最近实习工作接近尾声,也有了充足时间去做自己想做的事,故跟着李沐老师学起了AI。

image-20210829175657376

众所周知,深度学习需要大量的Python库支持,现在主流的框架包括:Tensorflow和Pytorch,本文主要讲解了Win系统下Pytorch的安装,同时也提到了如何在Pycharm中使用Pytorch库。

不同的电脑配置,安装Pytorch的版本也会有所不同,主要区别在于GPU的有无。

笔者的电脑为联想的XiaoXin CHAO7000,带一个独显NIVIDA GeForce 940MX。

这里需要注意的是,有的GPU支持CUDA而有的GPU不支持CUDA,在安装过程中可能有些区别,待会儿会讲到。

安装Conda

可以直接前往Anaconda官网下载最新版的Anaconda软件。选好安装地址后,按照默认配置一路走下去即可。这里建议在安装时不要把PATH直接加入,可能会出问题,我们后续手动加入即可。

在安装完成后,我们手动添加PATH。操作如下:

打开电脑的高级系统设置(按Win键,输入高级系统,就能看到了),打开最下方的环境变量,双击系统变量中的Path,点击添加,然后把你的Anaconda安装地址填入即可,此外还需填入Scripts和bin的地址。

1

接着我们打开cmd,输入conda info --envs,如果能显示conda现在的环境说明conda安装成功。

image-20210829182100700

接着,我们创建一个新的conda环境。有两种方法:一种是使用命令行,另一种是使用Anaconda配置。

第一种方法

打开cmd输入conda create -n pytorch python=3.8即可。-n后跟的是新环境的名字,我们就取pytorch就好。

第二种方法

打开Anaconda Navigator,选择Environments,点击Create,在Name处输入pytorch,其他默认,点击Create即可。(我的Create是黑的,因为我已经创建了一个名叫pytorch的环境了)

image-20210829183542092

至此,我们的Conda环境就配置好了。

安装GPU相关

我们都知道深度学习可以有GPU加速,所以对于电脑有显卡的朋友我们需要安装GPU版本的Pytorch。而这必须由NIVIDA的CUDA软件支持才可以。所以接下来我们就把GPU相关的软件安装到电脑上。

查看自己的显卡以及查看是否支持CUDA

打开电脑的设备管理器,在显示适配器一栏中查看自己的显卡配置。

image-20210829184333027

然后打开英伟达官网找到 CUDA-Enabled GeForce Products 寻找有没有自己对应的显卡型号,如果有才能下载。

下载CUDA及cuDDN

如果上一步中发现自己的显卡是支持CUDA的,那么就可以点击CUDA下载链接选择适合自己的CUDA版本进行下载。

image-20210829191948345

然后再进入cuDDN下载链接下载cuDDN即可。

NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程(例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层)的实施。

安装cuDDN及配置Path

下载完之后将压缩包里面的文件夹“cuda”解压,文件夹里边有有一个“bin”文件,里面存有“cudnn64_5.dll”文件。

加入存有该文件的路径地址“**.\cuda\bin**”到Path环境变量中。

image-20210829192707843

安装Pytorch

打开cmd或者Anaconda Prompt,输入conda activate pytorch表明进入了名为pytorch的虚拟环境。

打开Pytorch官网,按照你的系统、CUDA版本等选择合适的配置,如下:

image-20210829193005467

然后复制Run this Command中的命令,在cmd或Anaconda Prompt中运行。安装中会问你一句yes or no,yes就行。

需要注意的是,我是在外网的情况下安装的Pytorch和它的相关组件,也花了不短的时间(Pytorch包就1.6G,还不算GPU相关的包和其它附属包)。所以建议大家还是在清华源上找好对应的版本,再安装。

验证Pytorch是否安装成功

安装完成后,会显示一个done。说明我们把Pytorch的相关包已经加入到虚拟环境里了。

在装有Pytorch的虚拟环境中打开Python,输入import torch(注意是torch,不是pytorch),如果没有报错说明Pytorch安装成功。再输入torch.cuda.is_available(),如果显示true,则说明GPU加速也是成功的。

image-20210829193946209

Pycharm环境配置

Pycharm的安装不是本博客的重点,略去。这里仅提到怎么把conda的Pytorch环境配置到Pycharm里去。

首先,我们需要建立一个工程。这个工程就是日后我们写深度学习代码的地方。点击FileNew Project,Location的后缀就填你的工程名,Pyhton Interpreter部分选择Previously configured interpreter,点击省略号。

image-20210829194605068

在点击省略号打开的界面中,我们选择Conda Environment,接着选择Interpreter。需要注意的是,这里的路径应该是Anaconda安装路径中的envs文件夹(这里面存有conda的所有环境),该文件夹中的pytorch文件夹即代表我们的pytorch环境,选择其中的python.exe即可。至于Conda executable选择Anaconda的路径即可。

image-20210829195020568

结语

至此,我们在Windows环境下就把Pytorch安装好了,而且还配置好了Pycharm进行代码编写和运行。接下来就正式进入Pytorch的学习环节了。

参考文献

1、CSDN - WIN10下pytorch环境配置(安装了半天的血泪史)

2、CSDN - win10 下GeForce 940MX + CUDA10.0 +pytorch环境配置