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。

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。

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。

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)

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。

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。

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。

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:

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。

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。

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。

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