1. Pytorch - 初识

1.1 学习动机

　　2020-2022，Pytorch框架已经陪伴我两年，它是我研究生生活中必不可少的工具，在研究生最后的一年时光以及未来的工作中也同样是必不可少的工具。

　　现已秋招，底子薄，因此，特此跟随Datawhale的组队学习学习Pytorch，为秋招充电。

1.2 Pytorch简介

　　PyTorch是由Facebook人工智能研究小组开发的一种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由于其简洁、良好的良好的文档和社区支持、更多基于Pytorch的开源项目、代码调试方便以及扩展库语法完善等优点已经逐渐在学术界和工业界站稳了脚跟。

　　本次Pytorch的学习资源主要是来自Datawhale的开源项目 -- 《深入浅出PyTorch》

1.3 Pytorch安装(Windows)

　　1.3.1 Anaconda安装

　　Anaconda/Miniconda集成了许多成熟的package并且可以借助相应的Conda指令管理Python的虚拟环境。

　Step 1：安装Anaconda/miniconda

　　登陆Anaconda | Individual Edition，选择相应系统DownLoad：

　　Step 2：检验是否安装成功

　　在开始页找到Anaconda Prompt，一般在Anaconda3的文件夹下

　Step 3：创建虚拟环境

 　　Windows系统在Step2中的Anaconda Prompt进行虚拟环境的创建。

　　查看现存虚拟环境

　　根据下列语句查看已经安装好的虚拟环境，图中的base 一直到 tf1.8为所创建的Python虚拟环境。

?

1	conda env list

　　 创建虚拟环境

　　创建虚拟环境的语句：

?

1	conda create -n env_name python == version

　　

　　注：

1. 1. 这里忽略我们的warning，因为我们测试的时候已经安了又卸载一遍了，正常时是不会有warning的。

   2. 在选择Python版本时，不要选择太高，建议选择3.6-3.8，版本过高会导致相关库不适配。

　　安装包

?

1	conda install package_name

　　卸载包

?

1	conda remove package_name

　　显示所有安装包

?

1	conda list

　　删除虚拟环境命令

?

1	conda remove -n env_name --all

　　激活环境命令

?

1	conda activate env_name

　　退出当前环境

?

1	conda deactivate

　　关于更多的命令，我们可以查看Anaconda/miniconda官方提供的命令，官网链接：点击这里

　Step 4：换源

　　在安装package时，我们经常会使用pip install package_name和conda install package_name 的命令，但是一些package下载速度会很慢，因此我们需要进行换源，换成国内源，加快我们的下载速度。以下便是两种对应方式的换源：

　　pip换源

　　最简单的换源办法 -- 直接在安装语句后面加上镜像源地址：

?

1	pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

　　另一种办法：

　　1、文件管理器文件路径地址栏敲：%APPDATA% 回车，快速进入 C:\Users\电脑用户\AppData\Roaming 文件夹中

　　2、新建 pip 文件夹并在文件夹中新建 pip.ini 配置文件

　　3、我们需要在pip.ini 配置文件内容，我们可以选择使用记事本打开，输入以下内容，并按下ctrl+s保存，在这里我们使用的是豆瓣源为例子。

?

1 2 3 4 5 6

[global] index-url = http://pypi.douban.com/simple [install] use-mirrors =true mirrors =http://pypi.douban.com/simple/ trusted-host =pypi.douban.com

　　conda换源（清华源）官方换源帮助

　　TUNA 提供了 Anaconda 仓库与第三方源的镜像，各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，

　　可先执行conda config --set show_channel_urls yes生成该文件之后再修改。

　　完成这一步后，我们需要修改C:\Users\User_name\.condarc这个文件，打开后将文件里原始内容删除，将下面的内容复制进去并保存。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

channels:   - defaults show_channel_urls: true default_channels:   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels:   conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

　　这一步完成后，我们需要打开Anaconda Prompt 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

　　1.3.2 查看显卡

　　可通过在win+R输入cmd，打开terminal，输入nvidia-smi查看显卡使用详情或者使用NVIDIA控制面板和使用任务管理器查看自己是否有NVIDIA的独立显卡及其型号。

　　Pytorch - GPU适配兼容表：

1.3.3 Pytorch安装

　Step 1：登录PyTorch官网

　Step 2：Install

 

 

 　　注：如果需要选择出最新版本外的其他版本，请点击以前的Pytorch版本（Previous PyTorch Versions）进行选择。

　　Step 3：选择命令

　　我们需要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）

　　打开Terminal，输入conda activate env_name，激活环境并切换到环境下面，我们就可以进行PyTorch的安装了。

注：

1. Stable代表的是稳定版本，Preview代表的是先行版本

2. 可以结合电脑是否有显卡，选择CPU版本还是CUDA版本，CUDA版本需要拥有独显且是NVIDIA的GPU

3. 官方建议我们使用Anaconda/miniconda来进行管理

4. 关于安装的系统要求

   1. Windows：

      1. Windows 7及更高版本；建议使用Windows 10或者更高的版本

      2. Windows Server 2008 r2 及更高版本

   2. Linux：以常见的CentOS和Ubuntu为例

      1. CentOS, 最低版本7.3-1611

      2. Ubuntu, 最低版本 13.04，这里会导致cuda安装的最大版本不同

   3. macOS：

      1. macOS 10.10及其以上

5. 有些电脑所支持的cuda版本<10.2，此时我们需要进行手动降级，即就是cudatoolkit = 你所适合的版本，但是这里需要注意下一定要保持PyTorch和cudatoolkit的版本适配。查看Previous PyTorch Versions | PyTorch

　Step 4：在线下载

　　如果我们使用的Anaconda Prompt进行下载的话，我们需要先通过conda activate env_name，激活我们的虚拟环境中去，再输入命令。

　　注：我们需要要把下载指令后面的 -c pytorch 去掉以保证使用清华源下载，否则还是默认从官网下载。

　Step 5：离线下载

　　Windows：

　　在安装的过程中，我们可能会出现一些奇奇怪怪的问题，导致在线下载不成功，我们也可以使用离线下载的方法进行。

　　下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

　　通过上面下载地址，我们需要下载好对应版本的pytorch和 torchvision 包，然后打开Anaconda Prompt/Terminal中，进入我们安装的路径下。

?

1 2	cd package_location conda activate env_name

　　接下来输入以下命令安装两个包

?

1 2	conda install --offline pytorch压缩包的全称（后缀都不能忘记） conda install --offline torchvision压缩包的全称（后缀都不能忘记）

　Step 6：检验是否安装成功

　　进入所在的虚拟环境，紧接着输入python，在输入下面的代码。

?

1 2	import torch torch.cuda.is_available()

返回值：

?

1

False

　　这条命令意思是检验是否可以调用cuda，如果我们安装的是CPU版本的话会返回False，能够调用GPU的会返回True。一般这个命令不报错的话就证明安装成功。

 

　　1.3.2 PyCharm安装

 

　Step 1：进入官网下载

　　如果是学生的话可以使用学生邮箱注册并下载Professional版本，Community版本也基本能满足我们的日常需求。

　Step 2：配置环境

　　我们需要将虚拟环境设为我们的编译器，具体操作：File --> Settings --> Project:你的项目名称--> Python Interpreter

　　进去后，我们可以看见他使用的是默认的base环境，现在我们需要将这个环境设置成我们的test环境,点击齿轮，选择Add

 　　点击Conda Environment ，选择Existing environment，将Interpreter设置为test环境下的python.exe

 

 　　注：如果在pycharm的环境时，想进入我们的虚拟环境，要使用conda activate名称

　　1.4 学习资源

1. Awesome-pytorch-list：目前已获12K Star，包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。

2. PyTorch官方文档：官方发布的文档，十分丰富。

3. Pytorch-handbook：GitHub上已经收获14.8K，pytorch手中书。（本人已学习过 -- 感受：很基础详细 -- 面向人群：新手）

4. PyTorch官方社区：PyTorch拥有一个活跃的社区，在这里你可以和开发pytorch的人们进行交流。

5. PyTorch官方tutorials：官方编写的tutorials，可以结合colab边动手边学习

6. 动手学深度学习：该课程是由李沐老师主讲的一门深度学习入门课，拥有成熟的书籍资源和课程资源，在B站，Youtube均有回放。（本人已学习过 -- 感受：有些困难 -- 面向人群：有一定基础）

7. Awesome-PyTorch-Chinese：常见的中文优质PyTorch资源