一、环境软件介绍:
PyTorch:是一个开源的Python机器学习库,基于Torch,底层由C++实现,应用于人工智能领域,如自然语言处理。它主要由Facebook的人工智能研究团队开发,并且被用于Uber的概率编程软件Pyro。
PyTorch主要有两大特征:
类似于NumPy的张量计算,可使用GPU加速;
基于带自动微分系统的深度神经网络。
它是一个核心模块,我们所应用的模型工程引用了这个库的接口,这个库实现了核心的机器学习算法。
Anaconda3:Anaconda是一个开源的Python和R语言的发行版本,用于计算科学(数据科学、机器学习、大数据处理和预测分析),Anaconda致力于简化软件包管理系统和部署。Anaconda的包使用软件包管理系统Conda[6]进行管理。
Conda:是一个开源、跨平台和语言无关的软件包管理和系统管理系统,通过Conda可安装、升级和升级软件包依赖。Conda为Python程序创造,但是它可以打包、分发任意语言编写的软件(例如R语言)和包含多语言的项目。Conda包含在所有版本的Anaconda、Miniconda 和Anaconda仓库中。
conda是管理众多软件包的,使用它可以创建并管理升级pytorch工程所依赖的各个版本的软件包,它可以创建多套python interpreter。
CUDA:(Compute Unified Device Architecture,统一计算架构[1])是由英伟达NVIDIA所推出的一种集成技术,是该公司对于GPGPU的正式名称。透过这个技术,用户可利用NVIDIA的GPU进行图像处理之外的运算,亦是首次可以利用GPU作为C-编译器的开发环境。
就是图形计算加速引擎,如果用cpu运算也可以,但是会比较慢。
PyCharm:是一个用于计算机编程的集成开发环境(IDE),主要用于Python语言开发,由捷克公司JetBrains开发,提供代码分析、图形化调试器,集成测试器、集成版本控制系统,并支持使用Django进行网页开发。
就是你写代码的地方,你的工程用它来打开及编写。
二、安装软件
安装pytharm,下载,下载后点next然后勾选自动配置环境变量。
安装Anaconda3,去官网下载,记得勾选add anaconda to system PATH environment variable.然后其他默认就可以了。
安装PyTorch前需要搞清楚你用的显卡支持的cuda toolkit的版本。
到windos桌面右键选择
NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件
可以看到cuda的版本是要求11.6的版本。
去官网下载pytorch,根据你的系统和使用的软件包管理工具来选择:
我们先不着急执行这个conda安装pytorch的指令,因为如果直接安装是装到默认的python interpreter 的,下面会介绍先新建一个interpreter再执行这个,利于后续管理和理解整个配置过程。
以上四个都执行好之后就可以开始配置pytorch环境了。
三、环境配置
1、打开新安装好的anaconda 的shell :
打开后我们用conda 新建一个pytorch的环境,并且激活它
conda create -n pytorch_gpu python=3.9
conda activate pytorch_gpu
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
等跑完自动下载完pytorch的环境就准备好了,无法访问外网的同学应该要更换下载源了。
2、接着打开pycharm 我们来创建一个小工程
from __future__ import print_function
import torch
print(torch.__version__)
def print_hi(name):
# Use a breakpoint in the code line below to debug your script.
print(f'Hi, {name}') # Press Ctrl+F8 to toggle the breakpoint.
# Press the green button in the gutter to run the script.
if __name__ == '__main__':
print_hi('PyCharm')
x = torch.empty(5, 3)
print("torch.empty:")
print(x)
print("torch.version.cuda:");
print(torch.version.cuda)
print("torch.cuda.is_available():")
print(torch.cuda.is_available())
接着我们打开 File -> Settings 如下图,我们需要add interpreter 刚使用conda创建的pytorch_gpu
选择你刚装上的pytorch_gpu的python路径然后ok,接着apply。就可以了。
接着run 编译运行一下我们的程序:
这几行代码的解释如下
//1、验证咱们的torch的numpy张量运算没问题。
x = torch.empty(5, 3)
print("torch.empty:")
print(x)
//2、确认我们的cuda加速引擎已经安装好了
print("torch.version.cuda:");
print(torch.version.cuda)
//3、确保cuda版本正确可用,如果你的显卡太旧那将会打印false
print("torch.cuda.is_available():")
print(torch.cuda.is_available())