PyTorch安装与部署
一、准备工作
pytorch_6">二、pytorch介绍
安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。
- CPU版本安装：
CPU 版本适用于没有 GPU 或不需要使用 GPU 进行深度学习的情况。安装过程相对简单，因为没有依赖 GPU 驱动和 CUDA 的要求。 - GPU版本安装：
如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。
pytorch_12">三、CPU版本pytorch安装
为了更好的管理不同项目的Python项目，通常建议创建一个虚拟环境。可以隔离不同项目的依赖项，避免项目之间的冲突。
1. 创建虚拟环境
安装好Anaconda后会有这些程序
输入以下指令可查看当前的虚拟环境
python">conda env list
利用 conda create 指令创建新的虚拟环境
python">conda create –n 虚拟环境名字(自己设置) python=版本
演示如下
输入y，等待安装
2. 删除虚拟环境
1. 通过环境名称删除
python">conda remove --name 环境名称 --all
2. 通过环境路径删除
python">conda remove --prefix 路径 --all
3. 配置镜像源
根据上述操作，以如下的环境列表为例（虚拟环境已经创建好）：
由于安装指令都是从国外的通道下载，下载速度会非常慢。所以我们可以用国内的镜像地址下载pytorch
python">conda config --show
输入上述指令可以查看我们的通道地址
我的环境中有三个清华的镜像源。如果是之前没用过镜像源，这里只会显示dafaults。
| 镜像名 | 镜像地址 |
|---|---|
| 清华源镜像 | https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch |
| 阿里巴巴镜像 | http://mirrors.aliyun.com/anaconda/pkgs/main |
| 淘宝镜像源 | https://registry.npmmirror.com/ |
python">conda config --add channels 通道地址
输入以上命令可以添加通道地址，添加后输入以下地址也可以查看通道地址（验证是否加上通道）
python">conda config --get
如果想删除通道，可执行下面代码
python">conda config --remove channels 通道地址
pytorch_69">4. 安装pytorch
1. 首先激活环境变量
python">conda activate 创建的虚拟环境
pytorch_74">2. 进入pytorch官网，找到安装指令
- 点击Get started 进行如下配置
2. 找到安装代码
python">conda install pytorch torchvision torchaudio cpuonly -c pytorch //注意，这种就是直接从国外下载了
- 用镜像源安装
注:使用的镜像一定要是highest priority的镜像,否则会下载失败
python">conda install pytorch torchvision torchaudio cpuonly –c 镜像地址
4. 直接复制自己对应的镜像源即可
5. 出现下图所示，就是安装完成。
pytorch_94">5. 验证pytorch是否安装成功
python">print(torch.__version__)
注:这里我们导入torch失败,报错Cannot load mkl_intel_thread.dll
错误警告
- INTEL MKL ERROR: 找不到指定的模块。 mkl_intel_thread.dll.
- Intel MKL FATAL ERROR: Cannot load mkl_intel_thread.dll.
一些需要mkl_intel_thread.dll文件的python库无法加载其文件，主要原因是环境问题。
解决方法
python">#使用conda或者pip对其跟新
conda update numpy
conda update mkl
在此执行
python">import torch
print(torch.__version__)
显示PyTorch 的版本号，说明 PyTorch 已经成功安装。
pytorch_120">四、GPU版本pytorch安装
首先和CPU版本安装一样，创建一个虚拟环境，前面提到，这里不在重复。
1. 查看自己电脑的GPU
在任务管理器中可查看GPU
如果没安装显卡驱动，先安装最新的显卡驱动，到官网自行安装即可。
查看驱动版本。win + r ，输入cmd 进入终端，输入指令：
python">nvidia-smi
我的 CUDA 驱动版本是 12.1，这表示驱动所支持的最大 CUDA 运行时 API 版本是 12.1。因此，如果要安装 CUDA 运行时版本，就需要确保 CUDA 驱动版本 >= CUDA 运行时版本，也就是说可以安装 12.1 及更早的版本。
pytorch_133">2. 安装pytorch
直接进入创建的虚拟环境中输入命令，安装成功：
python">pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
3. 验证是否安装成功
指令：
python">import torch
print(torch.__version__)
print(torch.cuda.is_available())
可以直接进入终端python运行指令检验
出现以上界面说明安装成功
也可以直接在pycharm编辑器中验证。
使用GPU环境，最后输出cu121、True，说明安装成功
五、补充
1. 卸载当前的PyTorch版本
进入所在的虚拟环境，输入以下指令即可。
python">pip uninstall torch torchvision torchaudio
conda_162">六、如何使用Anaconda环境
1.pycharm如何使用
2. jupyter如何使用
打开Anaconda Prompt
切换到自己想要使用的环境
python">conda activate 环境名
执行
python">conda install nb_conda
输入y
显示done下载成功
执行jupyter notebook
