深度学习记录（一）：在conda环境下安装PyTorch（CUDA版）
前言
Pytorch是什么
PyTorch 是一种用于构建深度学习模型的功能完备框架，是一种通常用于图像识别和语言处理等应用程序的机器学习。使用 Python 编写，因此对于大多数机器学习开发者而言，学习和使用起来相对简单。PyTorch 的独特之处在于，它完全支持 GPU，并且使用反向模式自动微分技术，因此可以动态修改计算图形。这使其成为快速实验和原型设计的常用选择。
为什么选择Pytorch
- Pytorch 有一个充满活力的大型社区，具有优秀的文档和教程。论坛十分活跃，并能给予帮助和支持，官方支持好，更新及时。
- 采用 Python 编写，并集成了热门的 Python 库，在安装pytorch时，常用的科学计算库会一并安装，例如用于科学计算的 NumPy、SciPy 和用于将 Python 编译为 C 以提高性能的 Cython。
- 对于 Python 开发者来说，学习起来比较容易。Torch语言底层采用C语言，以Lua语言为接口，国内受众较小；而Pytorch是torch的python版本， PyTorch 的语法和用法均符合 Python
- 受主要云平台的有力支持。大多云计算厂商的GPU设备都会有自带Pytorch框架选项，项目部署调试变得简单。
- 支持 CPU、GPU、并行处理以及分布式训练。pytorch官方支持的计算平台有CPU平台和GPU支持的CUDA平台，这意味着计算工作可以在多个 CPU 和 GPU 核心之间分配，并且可以在多台机器上的多个 GPU 上进行训练。
- 相较于Tensorflow，pytorch更加简单易懂，设计追求最少的封装，避免重复造轮子，PyTorch的源码只有TensorFlow的十分之一左右，更少的抽象、更直观的设计使得PyTorch的源码十分易于阅读
- 运行速度与灵活性并存。在许多评测中，PyTorch 的速度表现胜过 TensorFlow和Keras 等框架，对于规模较小的项目，pytorch性能要优于tensorflow
- 方便快捷的编程。能够用代码快速实现自己的想法，验证实验过程也较为简单
安装PyTorch
配置环境
- windows
- conda
- Nvidia driver
配置过程
安装Nvidia driver驱动程序
由于PyTorch(CUDA版)是基于英伟达显卡CUDA平台的深度学习框架，所以必须要保证电脑的GPU为英伟达Nvidia品牌，其次带有相关驱动程序，这样在使用Pytorch的时候才能利用CUDA并行计算。
首先明确自己电脑的独立显卡是什么型号？通过：搜索——设备管理器——显示适配器 或者 任务管理器——性能——GPU，两种方法都可以看到，图上显示我的电脑是GTX 1050Ti显卡
然后，打开官网NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA ，找到自己型号的显卡驱动程序是哪个，如果嫌麻烦可以直接选择立即下载；如果想自己配置不同版本，就手动搜索。
看下自己电脑有没有Nvidia控制面板，如果没有就在微软商城下载 搜索Nvidia Control Panel，
打开Nvidia控制面板，可以看设备CUDA版本，也可以命令行输入nvidia-smi查看。我电脑显卡驱动支持的CUDA版本为12.1
注意，在后续安装PyTorch的时候会要求CUDA版本为多少多少之类的，所以尽可能地保持显卡驱动最新版本。
例如你显卡驱动Driver显示CUDA版本号为12.1，而安装最新PyTorch的计算平台要求为11.8，这种情况是可以的，因为安装pytorch会自动安装CUDA与cuDNN，安装的11.8版本CUDA便能够被你电脑支持；
但是如果你电脑只支持11.2，那么你就只能找计算平台要求11.2及以下的PyTorch框架安装了，因为11.8超过了你电脑显卡CUDA支持范围。
安装Anaconda
打开Anaconda官网（https://www.anaconda.com/），找到获得额外的安装包。
根据自己电脑的操作系统选择，博主电脑是win，所以本文以windows为主。
下载完成后，打开安装包，进行安装，点击我同意
默认推荐，点击下一步
修改默认安装路径，尽量不要在C盘安装，由于我之前已经安装在D盘了，这次我选择E盘新建Anaconda文件夹；同时注意磁盘空间，不要过小，后续可能安装其他软件包可能还要占一部分空间！ 继续点下一步
默认选择的是下述两项，第一项与第三项
第二项Add Anaconda to my PATH environment variable 是指：选择是否将 Anaconda 添加到 PATH 环境变量。建议不要将 Anaconda 添加到 PATH 环境变量中，因为这会干扰其他软件。相反，通过从”开始”菜单打开 Anaconda Navigator 或 Anaconda 提示符来使用 Anaconda 软件。
第四项 Clear the package cache upon completion 是指清除包缓存，为了恢复部分磁盘空间，这个可选可不选，默认不选。
由于我电脑已经安装了Anaconda，所以该过程我并没有实际安装，但是上述步骤都是一个样的。最后是下图的Finish.
由于在安装Anaconda时没有添加环境变量，因此需要我们手动配置。
可以使用windows+R，输入SYSDM.CPL打开系统属性，也可以右键我的电脑——找到高级系统设置，打开系统属性。
下图，找到环境变量，进行设置。
如下，对用户变量与系统变量进行编辑。
如果环境变量中下述属性已存在就可以不用再新建了。
用户变量：
系统变量：
最后，我们打开命令行，验证anaconda是否安装成功，如果输入conda出现以下内容，则证明anaconda安装成功，且环境变量配置完毕
通过conda -V可以查看conda版本号，如图可以看到，我的conda版本为22.9
安装PyTorch
安装命令需要去官网获取，打开Pytorch官网 https://pytorch.org/ ，找到如下内容：
这是各版本安装命令汇总，每一项具体意思是
- Pytorch Build：pytorch的安装版本，这个默认安装Stable（最多测试与支持），目前最稳定的是2.0.0
- Your OS：你的操作系统
- Package：包安装方式，给出了conda、pip、LibTorch、Source四种方式，一般选前两种conda或pip，官方推荐是使用anaconda做包管理(可以很方便的切换python版本)，并且我们之前已经配置了Anaconda，所以我们选用conda方式
- language：默认python
- Compute Platiform：计算平台，这里有CPU版本与CUDA版本，由于CUDA是NVIDIA 发明的一种并行计算平台和编程模型，能够大幅度提升模型训练速度，因而我们选择CUDA安装，同时需要注意根据自己电脑Nvidia显卡所支持的CUDA版本安装选择合适的，
- Run this Command：运行命令，用于命令行安装
下图便是根据我的实际情况选择好的配置（供参考）
不要着急安装，我的建议是先建个新的虚拟环境来安装PyTorch框架，不要直接在conda中直接安装pytorch，不然卸载的时候比较麻烦。
汇总虚拟环境管理命令
- 列出所有已有的虚拟环境：
conda env list或conda info -e- 创建一个新的虚拟环境：
conda create -n （虚拟环境名） python=（python的版本）- 激活虚拟环境：
conda activate （虚拟环境名）- 退出虚拟环境：
conda deactivate- 克隆一个虚拟环境：
conda create -n （新虚拟环境名） --clone （旧虚拟环境名）- 删除虚拟环境：
conda remove –n （虚拟环境名） ––all汇总虚拟环境包管理 命令
- 🍼 查看已有的包：
conda list- ☕ 安装虚拟环境的特定包：
conda install （包名）- 🍸 安装指定版本的包：
conda install （包名）=（版本）- 🍷 删除虚拟环境中特定包：
conda remove （包名）- 🍹 更新虚拟环境特定包：
conda update （包名）- 🥂 搜索虚拟环境中特定包：
conda search （包名）
打开命令行，依次输入一下命令
1 | conda env list #检查自己有哪些虚拟环境 |
进入到dlenv虚拟环境，准备安装pytorch。
输入命令：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia 开始安装！
安装过程不要借助清华镜像等下载软件包，由于软件包来源是官网，官网位于国外，所以安装速度有点慢，可以挂国外VPN或者慢慢等等。安装的所有软件包总共大小约有3-4G。
安装完毕之后，在命令行输入conda list查看安装情况，可以找到这几个，就说明安装成功，注意红色框指：pytorch类型版本为cuda版。
打开编辑器，运行代码
1 | import torch |
若为True，则说明CUDA版本的PyTorch安装成功！ 
pytorch安装问题
可能很多人在官网复制完命令，并在虚拟环境运行命令、安装完成后，执行torch.cuda.is_available()代码发现结果为False，这说明CUDA版本PyTorch安装失败。
但是实际安装过程发现并未出错，运行流畅，检查conda list会发现安装的是CPU版本的PyTorch。
我明明执行的是CUDA版的运行命令，但为什么会安装CPU版的呢？
实际上，官网给出的命令所下载的软件包来源于网址https://download.pytorch.org/whl/torch_stable.html， 该网站中包含了所有各版本的PyTorch，如果你所安装CUDA版本的PyTorch未在该网站中，conda会自动安装为虚拟环境安装CPU版本的PyTorch，
举个例子：
如果你的Python版本为3.7（我当时第一次安装时虚拟环境的python版本）
你执行这条命令**conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia**，到最后会发现安装的是CPU版本。
看一下这个文件**cpu/torch-2.0.0%2Bcpu-cp310-cp310-win_amd64.whl**的名称，
- cpu指的是 cpu版本的pytorch文件
- torch -2.0.0 指的是软件包名称与版本
- cp310指的是 支持的python版本为3.10
- win指的是 操作系统windows环境
根据如此规律，我们找到conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia CUDA11.8版本对应的各类软件包。如下图：
图中可以看出，CUDA11.8版本所支持的python版本为3.8、3.9、3.10、3.11，我第一次安装时python版本为3.7，由于网站中没有该环境的pytorch包，conda便自动安装了CPU版本的（小东西挺会自作主张的😅），后来卸载了虚拟环境，换了python3.9就没问题了。
最后运行代码测试，结果为True
1 | import torch |
- 标题: 深度学习记录（一）：在conda环境下安装PyTorch（CUDA版）
- 作者: 狮子阿儒
- 创建于 : 2023-04-24 14:43:45
- 更新于 : 2024-03-03 21:31:00
- 链接: https://c200108.github.io/blog/2023/04/24/深度学习记录（一）：在conda环境下安装PyTorch（CUDA版）/
- 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。