Python Pytorch开发环境搭建（Windows和Ubuntu）
目录
Pytorch开发环境搭建
1. 安装cuda cudnn
(1)Windows安装方法
(2)Ubuntu18.04安装方法
2. 安装Python(推荐使用Anaconda)
(1)Windows安装方法
(2)Ubuntu18.04安装方法
3. Pytorch安装
4. 安装项目依赖包
5. 常见的错误
深度学习模型算法比较复杂，如果使用CPU计算，速度会很慢，因而需要使用GPU进行并行计算加速 。深度学习框架，如Pytorch，TensorFlow都支持GPU训练，使用GPU设备需要显卡的支持，比如常见1080显卡，2070显卡等，同时需要安装对应的显卡驱动，以及CUDA和cuDNN库。CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型，它通过利用图形处理器 (GPU) 的处理能力,可大幅提升计算性能。而cuDNN(CUDA Deep Neural Network library)是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。
【尊重原创，转载请注明出处】https://blog.csdn.net/guyuealian/article/details/129163343
1. 安装cuda cudnn
(1)Windows安装方法
- 参考安装教程：Windows10系统下CUDA和cuDNN安装教程
(2)Ubuntu18.04安装方法
- 参考安装教程：ubuntu18.04安装cuda和cudnn
2. 安装Python(推荐使用Anaconda)
(1)Windows安装方法
- 参考安装教程：Anaconda超详细安装教程（Windows环境下）
-
conda使用教程：Windows中Conda 创建和使用虚拟环境
(2)Ubuntu18.04安装方法
- 参考安装教程：ubuntu 18.04 安装conda环境 及 创建虚拟环境
3. Pytorch安装
PyTorch是基于Torch的开源Python机器学习库
- 官网：https://pytorch.org/
- 安装：Previous PyTorch Versions | PyTorch
请选择自己的版本进行安装，比如如果你安装cuda=11.0,那么则安装对应的版本torch
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
4. 安装项目依赖包
项目python依赖包，Windows和Ubuntu安装方法一致；一般项目都自带requirements.txt文件，里面包含了项目开发所需要的python依赖包已经对应的版本号，比如下图第一个依赖包numpy==1.18.5，说明项目使用了numpy库，对应的版本是1.16.3，你可选择使用pip安装对应的版本：
pip install numpy==1.18.5
# 或者
pip install numpy==1.18.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
其中-i后面的网址，表示安装包的下载地址，国内pip安装速度慢，可以使用-i指定镜像源，加快安装速度
其他安装包也可以用pip一个一个的安装，或者直接安装所有依赖包：
pip install -r requirements.txt
PS：一般依赖包是向下兼容的，只需要安装比requirements版本号大于或者等于的版本即可
5. 常见的错误
- Windows环境中，项目不要出现中文路径，否则会出现opencv读取图片异常的问题
- 注意Windows和Linux的路径的分隔符
Windows路径分割符：【\】或者【//】 ,在python中某些库也可以使用【/】
Linux(Ubuntu)路径分割符号：【/】
- 如果出现“No module named ***”的错误，请使用pip install *** 即可,例如出现下面的错误
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'basetrainer'
请使用pip安装：
pip install basetrainer -i https://pypi.tuna.tsinghua.edu.cn/simple
其中-i后面的网址，表示安装包的下载地址，国内pip安装速度慢，可以使用-i指定镜像源，加快安装速度
