新手入门安装PyTorch及其测试验证

目录

检查系统要求

安装PyTorch?

通过pip在windows环境中安装GPU版本：

使用conda方式在windows中安装GPU版本

?在windows环境安装cpu版本

验证安装?

总结

---

检查系统要求

在开始安装PyTorch之前，请确保你的系统满足以下要求：

• Python版本：3.6或更高
• 操作系统：Windows，macOS，或Linux

安装PyTorch?

? ? ? ? 安装pytorch官网直接给出了安装的命令行【PyTorch】：

? ? ? ? 在这里我们可以通过选择不同版本，不同安装方式和选择不同的硬件去进行安装，比如：

通过pip在windows环境中安装GPU版本：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

这段代码是用于安装PyTorch及其相关库的Python命令。下面是对这个命令的详细解释：

• pip3: 这是Python的包管理工具pip的一个版本，专门用于Python 3。pip允许你安装和管理Python包。

• install: 这是pip命令中用于安装包的关键字。

• torch: 这是PyTorch的主要包，一个用于机器学习和深度学习的开源库。它提供了强大的张量计算（类似于NumPy数组）和自动微分功能，非常适合进行机器学习和深度学习的研究和开发。

• torchvision: 这是与PyTorch配合使用的一个包，专注于图像处理。它提供了常用的数据集、模型架构和图像转换工具，非常适合于计算机视觉任务。

• torchaudio: 这是另一个与PyTorch配合使用的包，专注于音频处理。它提供了音频处理所需的数据集、模型和转换工具。

• --index-url: 这个参数指定了一个替代的Python包索引，pip会从这个索引中搜索和下载包。

• https://download.pytorch.org/whl/cu121: 这是上面--index-url参数指定的URL，它是PyTorch官方提供的一个包含预编译轮（wheel）文件的服务器。这些轮文件是针对特定版本的CUDA（cu121代表CUDA 12.1）预编译的，这意味着如果你的系统安装了相应版本的CUDA，PyTorch可以利用GPU进行加速。

使用conda方式在windows中安装GPU版本

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

这段代码是用于通过Anaconda安装PyTorch及其相关库，并且指定使用特定版本的CUDA的命令。下面是对这个命令的详细解释：

• conda: 这是Anaconda的命令行工具，用于管理和安装各种科学、数学和工程库。Anaconda是一个流行的Python发行版，专为科学计算而设计。

• install: 这是conda命令中用于安装包的关键字。

• pytorch: 这是PyTorch的主要包，一个用于机器学习和深度学习的开源库。PyTorch提供了强大的张量计算（类似于NumPy数组）和自动微分功能，非常适合进行机器学习和深度学习的研究和开发。

• torchvision: 这是与PyTorch配合使用的一个包，专注于图像处理。它提供了常用的数据集、模型架构和图像转换工具，非常适合于计算机视觉任务。

• torchaudio: 这是另一个与PyTorch配合使用的包，专注于音频处理。它提供了音频处理所需的数据集、模型和转换工具。

• pytorch-cuda=12.1: 这个包是PyTorch的一个特定版本，专门为CUDA 12.1版本编译。它允许PyTorch在支持CUDA的GPU上运行，从而提供更快的计算速度。

• -c pytorch: 这个选项告诉conda从PyTorch的官方Anaconda频道（channel）下载和安装包。一个频道是Anaconda用来存放和分发软件包的位置。

• -c nvidia: 这个选项指示conda从NVIDIA的官方Anaconda频道下载和安装包。由于PyTorch的某些部分依赖于NVIDIA提供的库（例如CUDA），因此这个频道是必需的。

?在windows环境安装cpu版本

conda install pytorch torchvision torchaudio cpuonly -c pytorch

这段代码是一个用于通过Conda安装PyTorch及其相关库的命令，但专门针对不使用GPU，只使用CPU的系统环境。以下是详细解释：

• conda: 这是Anaconda的包管理工具，用于安装和管理科学、数学、工程和数据科学领域的各种Python包。Anaconda是一个流行的Python发行版，专为科学计算而设计。

• install: 这是conda中用于安装包的命令。

• pytorch: 这是PyTorch的主包，一个广泛使用的开源机器学习库，用于深度学习和张量计算。PyTorch以其易用性和灵活性而受到研究人员和开发人员的欢迎。

• torchvision: 这是PyTorch的一个附加包，专门用于计算机视觉任务。它提供了图像和视频处理的工具，以及常见的数据集和预训练模型。

• torchaudio: 这是另一个PyTorch的附加包，用于音频和信号处理。它提供了处理音频数据的工具和方法，以及音频相关的数据集。

• cpuonly: 这是一个特殊的包，当安装它时，会确保安装的PyTorch版本是仅针对CPU优化的，而不是GPU。这对于那些没有可用GPU或不希望在GPU上运行PyTorch的用户来说非常有用。

• -c pytorch: 这个参数指示conda从PyTorch的官方Anaconda频道下载和安装包。一个频道是Anaconda用于存储和分发软件包的位置。

验证安装?

?????????安装完成后，你可以通过运行一些简单的代码来验证PyTorch是否正确安装。

import torch

x = torch.rand(5, 3)
print(x)

? ? ? ? ?当你的程序执行的之后没有报错，并且显示输出效果如下：

? ? ? ? 出现了这个内容就说明我们的pytorch安装成功了，接下来我们开始检查安装的pytorch-gpu版本是否可用，可以这样检验：

import torch

torch.cuda.is_available()

? ? ? ? 通过 torch.cuda.is_available()，可以检查gpu版本的pytorch是否可用。?

? ? ? ? 当我们看到?torch.cuda.is_available() 输出的信息是true的时候说明，我们gpu版本的pytorch可以正常使用。

如果你发现安装了PyTorch的GPU版本但是无法检测到GPU，这可能是由几个不同的问题引起的。以下是一些可能的解决方案和检查点：

1. 确保安装了正确的PyTorch版本：有时候，可能无意中安装了CPU-only的PyTorch版本。确保你安装的是针对你的CUDA版本的PyTorch。例如，使用类似conda install torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia的命令安装PyTorch（适用于CUDA 11.8）【Why GPU not detected? - PyTorch Forums】

2. 检查CUDA版本和PyTorch的兼容性：使用torch.version.cuda命令可以检查PyTorch使用的CUDA版本。确保版本与你安装的CUDA版本兼容。如不兼容，要安装一个与你的CUDA版本相匹配的PyTorch版本?【PyTorch cannot find GPU, 2021 version - PyTorch Forums】?

3. ?使用Anaconda环境：如果你使用的是pip安装PyTorch，尝试改用Anaconda。Anaconda通常可以更好地处理库和依赖项的兼容性问题。例如，使用类似conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch的命令来安装（适用于CUDA 10.2）?【Torch not getting GPU - PyTorch Forums】

4. 重新安装PyTorch：如果以上方法都不起作用，尝试卸载PyTorch并重新安装。有时，重新安装可以解决识别GPU的问题。例如，使用pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118命令来安装PyTorch（适用于CUDA 11.8）?【Pytorch installed but GPU not recognized - PyTorch Forums】

5. 检查环境配置：通过运行collect_env命令可以收集有关你的环境的信息，这有助于诊断问题。这包括Python版本、操作系统、CUDA版本等信息?【Can't get CUDA to work - PyTorch Forums】

6. 参考PyTorch的官方文档和社区：如果你需要更详细的故障排除信息，可以访问PyTorch Forums和PyTorch GitHub Wiki获取更多资源和社区的帮助。

总结

????????这篇博客详细介绍了在不同系统环境下安装PyTorch的方法，涵盖了在Windows系统中通过pip和conda安装GPU版本和CPU版本的详细步骤。它还提供了如何检验PyTorch安装是否成功的指导，包括如何验证PyTorch的基本功能和检查GPU版本的PyTorch是否可用。这篇文章是对希望在其设备上安装和测试PyTorch的用户的有用指南，特别是在处理不同的硬件配置和系统环境时。