PyTorch 实验框架的搭建

1. PyTorch简介

PyTorch是由Meta AI(Facebook)人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，PyTorch在API的设计上更加简洁、优雅和易懂。

1.1 PyTorch的发展

“All in PyTorch”，对于PyTorch的发展我们只能用一句话来概况了，PyTorch自从推出就获得巨大的关注并受到了很多人的喜欢，而最直观的莫过于下面数据所表现的简明直了。

在Paper with code网站，PyTorch的代码实现已经是TensorFlow实现的4倍，在学术圈中PyTorch正在取代他的老大哥称霸，PyTorch会借助ONNX所带来的落地能力在工业界逐渐走向主导地位。

1.2 PyTorch的优势

更加简洁，相比于其他的框架，PyTorch的框架更加简洁，易于理解。PyTorch的设计追求最少的封装，避免重复造轮子。
上手快，掌握numpy和基本的深度学习知识就可以上手。
PyTorch有着良好的文档和社区支持，作者亲自维护的论坛供用户交流和求教问题。Meta AI(Facebook AI)对PyTorch提供了强力支持，作为当今排名前三的深度学习研究机构，MAIR的支持足以确保PyTorch获得持续的开发更新。
项目开源，在Github上有越来越多的开源代码是使用PyTorch进行开发。
可以更好的调试代码，PyTorch可以让我们逐行执行我们的脚本。这就像调试NumPy一样 – 我们可以轻松访问代码中的所有对象，并且可以使用打印语句（或其他标准的Python调试）来查看方法失败的位置。
越来越完善的扩展库，活力旺盛，正处在当打之年

2. CPU 平台下 PyTorch 计算框架的安装

Step 1：登录PyTorch官网

Step 2：安装

Step 3：选择命令

结合自己情况选择命令并复制下来，然后使用conda下载或者pip下载（建议conda安装,需要安装Anconda才能使用conda）

3. GPU 平台下 PyTorch 计算框架的安装

本文是在Windows10，Anaconda上安装Pytorch+CUDA的环境，包含下载-安装-验证的全过程，很详细的教程.

版本如下：

• CUDA 11.3
• Pytorch 1.11

3.1 CUDA的安装

3.1.1 确认自己的电脑是否可以使用CUDA

在桌面鼠标右键，进入NVDIA控制面板：

点击左下角的 系统信息：

点击组件，显示CUDA后续即为版本号

2.下载CUDA
CUDA 11.3 下载（务必注意对应的准确版本号），在百度上搜索 “CUDA Toolkit 11.3 Downloads | NVIDIA Developer”，进入官网即可，进入以后，选择Windows

然后，依次选择图中的深色选项，最后点击红框里的下载。

下载完成后，打开后首先会解压，路径可以改成一个新的文件夹：

解压完成后，等待：

同意并继续。

选择精简版会直接在默认路径安装，可以选择自定义，然后改路径：

继续：

可以更改安装路径，然后等待安装，安装完成后建议重启电脑。

在桌面打开一个新的Terminal，输入 nvcc -V

显示则安装成功。

3.2 cuDNN的安装

1.下载cuDNN
下载地址：https://developer.nvidia.com/rdp/cudnn-download

登录后才可以下载，没有账号先注册。

然后勾选。

选择11.x版本

3.2.2.安装cuDNN

下载完成后解压，会出现如下文件，

分别将三个文件夹下的所有文件拷贝至CUDA安装目录下对应的文件夹中：

然后将环境变量的第二条改成如下：

三、Anaconda环境的配置
首先，进入base(root)的Terminal，这里介绍重新建一个env。

如果，之前的env没有安装Pytorch也可以使用，请直接往下滑，跳转到：四、Pytorch的安装。

首先进入Terminal：

点击base(root) 右侧的按钮，选择Open Terminal

这里新建一个名叫pytorch_gpu的env，可自定python版本，然后输入：

conda create -name pytorch_gpu python=3.7

按照操作完成即可。

四、Pytorch的安装
Pytorch 安装命令获取网址：PyTorch

往下滑，找到这里，然后依次选择Conda或者Pip，CUDA11.3，然后就会自动生成蓝框中的安装命令：

如果没有匹配的版本，可点击左下角寻找可以匹配的版本，拷贝命令行到命令执行窗口进行安装。

内容如下：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

然后进入刚才新建的pytorch_gpu的Terminal，两种进入方法：

1.在Windows开始菜单中打开

2.在Anaconda Navigator中打开，参见步骤三

进入后，将命令输入并安装即可。

五、验证
继续在Terminal输入python，然后输入

import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.version.cuda)

输出True，即为成功。如果为False，可以先试一下重启电脑。此外，还可以查看一下版本信息：11.3

大家按照步骤完成就可以啦。使用GPU后，计算会非常快，越好的GPU速度提升会越显著。

4. 租用云主机进行高性能运算

登录云主机租用网站：https://www.autodl.com/home

登录后进入界面

选择适合自己的平台和版本

点击左边的目录即可以使用，或者查看顶部的帮助文件。