【PyTorch】（基础一）----pytorch环境搭建

PyTorch环境搭建

该系列笔记主要参考了小土堆的视频教程，传送门：P1. PyTorch环境的配置及安装（Configuration and Installation of PyTorch)【PyTorch教程】_哔哩哔哩_bilibili

PyTorch 是一个开源的机器学习库，主要用 Python 编写，基于 Torch 库。它由 Facebook 的人工智能研究团队开发，提供用于构建和训练深度学习模型的强大工具。PyTorch 的设计强调灵活性和直观性，使得研究人员和开发者能够快速地测试新想法并进行实验。PyTorch在学术界（相关论文发表）的热度当前已经超过TensorFlow。

pytorch官网：PyTorch，点击get start 然后选择合适的版本，在虚拟环境中使用pip命令（conda命令不推荐使用，可能下载速度很慢）进行下载。

通常来说，使用比较稳定的python3.9版本即可适配当前的pytorch版本，此处还需额外考虑的内容为CUDA版本的选择，如果是没有独立显卡的笔记本电脑，此处只能选择CPU版本，如果有独立显卡的话，需要首先把显卡驱动更新到最新，英伟达显卡驱动下载官网：https://www.nvidia.cn/geforce/drivers/

更新显卡驱动之后，检查一下本机目前的cuda版本，win+R输入【cmd】打开终端窗口，输入命令nvidia-smi第一行最后边显示了当前的CUDA版本，我们需要下载的pytorch上面集成的cuda版本应该低于自己电脑上的cuda版本，此处我选择安装12.1版本的cuda

最终我选择的torch版本为2.4.1，cuda为12.1，下载命令为：

pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu121

还可以利用本地数据进行安装：将下载好的安装包放到Anaconda3/pkgs下面，然后在虚拟环境中使用conda install –use-local 包名 进行安装

检验当前torch是否能成功调用GPU（CPU版本能导入成功就可以）：

import torch     	
torch.cuda.is_available()

输出True即为成功，如果使用的不是英伟达显卡，则出现False。