從零開始深度學(xué)習(xí)Pytorch筆記(1)——安裝Pytorch
聊到深度學(xué)習(xí), 大家第一感覺就是很高大上。就像我們曾經(jīng)說到機器學(xué)習(xí)，很多人也是感覺很高大上，但是慢慢接觸之后，發(fā)現(xiàn)其無非是數(shù)學(xué)+編程實現(xiàn)，所以從線性回歸開始，不斷學(xué)習(xí)，把各種機器學(xué)習(xí)方法都學(xué)習(xí)了一遍，并能夠通過Python的sklearn庫編程實現(xiàn)。有很多朋友和我聊到學(xué)習(xí)深度學(xué)習(xí)這個事情，我會推薦他們?nèi)タ匆恍┫嚓P(guān)理論算法，從CNN、RNN到LSTM，從各種傳統(tǒng)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)到比較新的網(wǎng)絡(luò)結(jié)構(gòu)。在這個過程中發(fā)現(xiàn)了一點，就是他們看完了網(wǎng)絡(luò)結(jié)構(gòu)和算法原理后，往往難以下手去操作，因為Python使用sklearn庫實現(xiàn)機器學(xué)習(xí)的流程非常方便，而且學(xué)習(xí)了Python的numpy、pandas基礎(chǔ)即可快速上手，而深度學(xué)習(xí)的編程則需要更上一層，對Python新手不太友好，基礎(chǔ)部分的張量各種操作和計算圖編程都會讓新手頭大，而深度學(xué)習(xí)還面臨著選擇深度學(xué)習(xí)框架的問題，可供我們選擇的框架實在太多，例如較為流行的Tensorflow、Pytorch、Keras、Mxnet、PaddlePaddle等等。各種相關(guān)的書也是如雨后春筍般出版出來，我翻看過一些書，還看過一些目錄，發(fā)現(xiàn)了一個現(xiàn)象，就是各種深度學(xué)習(xí)框架書在對應(yīng)的深度學(xué)習(xí)框架基礎(chǔ)部分講解往往不夠詳細，讓人看完覺得跳躍感很大，而過于強調(diào)各種網(wǎng)絡(luò)結(jié)構(gòu)的實現(xiàn)，這十分不利于新手進行學(xué)習(xí)。而且初學(xué)者會了解到深度學(xué)習(xí)需要使用GPU訓(xùn)練模型，對于沒有GPU配置的初學(xué)者，往往覺得學(xué)習(xí)之路出現(xiàn)了第一道坎，而對于有GPU的初學(xué)者，往往因為GPU環(huán)境搭建太復(fù)雜而從入門到放棄。其實沒有GPU環(huán)境，也是可以進行深度學(xué)習(xí)編程學(xué)習(xí)的。我個人的感受是，GPU環(huán)境的搭建變得越來越容易，這是我們放開去學(xué)習(xí)深度學(xué)習(xí)的一個好時機，關(guān)于在《從零開始深度學(xué)習(xí)Pytorch筆記》連載中，我會一步步從安裝Pytorch環(huán)境開始寫，慢慢夯實Pytorch的基礎(chǔ)，再帶大家熟練使用Pytorch編程網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)深度學(xué)習(xí)算法。
聊聊為什么使用Pytorch，個人覺得Pytorch比Tensorflow對新手更為友善，大家如果對Tensorflow也感興趣，完全可以學(xué)習(xí)了Pytorch之后繼續(xù)學(xué)習(xí)Tensorflow。接下來進入正題吧：如果你沒有g(shù)pu環(huán)境，想使用Pytorch，打開Pytorch的官網(wǎng)：https://pytorch.org/在首頁我們可以看到有各種配置可選，我們這里選擇CPU的版本（CUDA部分選擇None）：
根據(jù)你的操作系統(tǒng)，還有Python的版本可以選擇不同選項（當(dāng)然Python版本問題其實問題不大，因為我們可以通過創(chuàng)建虛擬環(huán)境搞定，詳情見：你不知道的Python環(huán)境管理技巧，超級好用！ ）選完選項之后，我們看到底部出現(xiàn)了一個命令，我們將命令復(fù)制到cmd中運行，即可安裝cpu版本的Pytorch（本配置生成的命令為:
pip3 install torch==1.3.1+cpu torchvision==0.4.2+cpu -f https://download.pytorch.org/whl/torch_stable.html
如果下載過慢，可以切換鏡像下載，戳這里：Python快速安裝庫的靠譜辦法當(dāng)然，如果你有GPU環(huán)境，或者愿意為學(xué)習(xí)深度學(xué)習(xí)去配置GPU，我們可以搭建GPU的Pytorch環(huán)境。GPU環(huán)境具體搭建流程如下：
（1）安裝Python編程環(huán)境首先是你得有個Python編程環(huán)境，如果沒有，推薦安裝Anaconda，這個是Python的集成環(huán)境，這個Anaconda的安裝方法在網(wǎng)絡(luò)上教程很多（推薦的是對應(yīng)Python3.6或3.7）。（2）安裝CUDA
我們可以看到，Pytorch對應(yīng)的CUDA版本為9.2或者10.1：
我們選擇CUDA9.2進行下載進入CUDA9.2的下載界面https://developer.nvidia.com/cuda-92-download-archive選擇相應(yīng)的參數(shù)后我們點擊下載文件：
運行下載好的CUDA安裝包：
使用默認(rèn)路徑點擊OK安裝，一路按照默認(rèn)安裝即可。
安裝完成后，測試CUDA是否安裝成功，復(fù)制安裝路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin打開cmd，切換到安裝路徑下，執(zhí)行: nvcc-V
可以看到CUDA成功安裝了。（3）安裝cuDNNcuDNN需要注冊登錄才能下載，cuDNN下載頁面如下：https://developer.nvidia.com/cudnn登陸后，點擊Download即可：
然后點擊I Agree，點擊CUDA9.2，點擊win10下載：
之后我們將下載的cuDNN的壓縮包解壓
將解壓出的cuda文件夾下的三個文件夾復(fù)制到cuda安裝目錄下，去覆蓋掉cuda目錄下的三個同名文件夾
cuDNN安裝完成。然后進入demo_suite文件夾，查看cuDNN是否安裝成功：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\demo_suite切換到該路徑下執(zhí)行bandwidthTest.exe
結(jié)果如下圖：顯示PASS，則cudnn安裝成功。
我們輸入deviceQuery.exe 可以查詢設(shè)備信息：
最后那段顯示的信息：deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.2, CUDA Runtime Version = 9.2, NumDevs = 1, Device0 = GeForce GTX 1060 6GB
Result = PASS說明CUDA和cuDNN都安裝成功，還顯示了我的顯卡是GTX 1060 6GB。（4）安裝Pytorch
回到Pytorch網(wǎng)站：
https://pytorch.org/我們的選擇如下：
可以看到安裝命令中有個網(wǎng)站：
https://download.pytorch.org/whl/torch_stable.html我們Ctrl+F搜索：CU92/torch-1.2.0
可以找到我們要的：cu92/torch-1.2.0%2Bcu92-cp37-cp37m-win_amd64.whl然后點擊下載即可。然后搜索：torchvision-0.4.0
找到我們要的：cu92/torchvision-0.4.0%2Bcu92-cp37-cp37m-win_amd64.whl點擊下載即可。（5）創(chuàng)建項目環(huán)境我們打開Python的IDE，例如我喜歡的VS Code，你也可以使用其他軟件。
打開后創(chuàng)建一個py文件名為hello pytorch.py（名字任意）。然后在TERMINAL中創(chuàng)建虛擬環(huán)境：輸入：conda create -n pytorch-gpu python=3.7，并且回車運行
關(guān)于為什么要創(chuàng)建虛擬環(huán)境可以看這里：你不知道的Python環(huán)境管理技巧，超級好用！等創(chuàng)建完成后，激活虛擬環(huán)境：conda activate pytorch_gpu
然后進入到剛才兩個文件的下載目錄，我們要在該虛擬環(huán)境中安裝pytorch我的電腦上目錄是：C:\Users\Administrator\Downloads
然后進到目錄下pip install 回車進行安裝兩個文件：
我們在py文件中輸入：
import torch
print("hello pytorch{}".format(torch.__version__))
print(torch.cuda.is_available())
然后運行代碼：
結(jié)果顯示Pytorch安裝成功，Pytorch版本為：pytorch1.2.0+cu92CUDA可用！至此，我們的Pytorch GPU版安裝成功，如果需要安裝過程中的各種資源，可以在公眾號回復(fù) “ pytorch安裝 ” 獲取。
評論
圖片
表情