a68880b50d4c89d76fd4a491dfde92a6.png

这几天自己安装了一遍PyTorch,为此尝试了很多方法,所以在这为大家总结一条最简便、最高效的实现路径。

我的环境是Windows 10 + Intel + Nvidia,所有我可以安装CUDA,实现GPU版本,废话不多说,进入正题,很快,很简洁。


一、Anaconda

安装 Anaconda,下面为官方下载链接。这是Python的包管理环境,非常方便后续操作,首先安装这个。

https://www.anaconda.com/products/individual​www.anaconda.com

安装完毕之后打开,这时候会出现唯一一个自带环境,base,如下:

0f6aac08f01558125034ddca14924043.png

然后创建PyTorch环境,

conda 

创建成功之后,切换到PyTorch环境,

conda activate pytorch

此时Python已默认安装。


二、CUDA

如果只需要启用CPU计算的话,可忽略此步。

进入Nvidia官网,下载合适自己显卡的CUDA版本,进行安装。

CUDA Toolkit 11.0 Update 1 Downloads​developer.nvidia.com

三、PyTorch

在安装PyTorch之前,添加清华的源非常重要,不然下载速度非常感人,亲身经历,赶紧添加。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

然后进入PyTorch官网:

PyTorch​pytorch.org
505711640564c9e8bee1974c1721e80b.png

选择对应的版本:

fb9d72001e95a6b0050076a0f9748372.png

复制命令,执行,安装。

安装完成之后,我们可以在Anaconda上面发现,多了一个环境:

306c7cdb68d6c9b3610f5fee38033cbf.png

四、VScode

其实到上面一步,必要的包已经安装完毕,但是我们该用什么环境进行开发呢,以目前的使用体验来说,VScode绝对首选。

https://code.visualstudio.com/​code.visualstudio.com

bb613be738184e39f1592c80b6c032a0.png

这就是实际界面,选择对应的解释器即可。


五、PyTorch中文手册

最后推荐目前最言简意赅的PyTorch教程《PyTorch中文手册》,为GitHub开源项目。

https://github.com/zergtant/pytorch-handbook​github.com
Logo

免费领 100 小时云算力,进群参与显卡、AI PC 幸运抽奖

更多推荐