框架介绍
Pytorch简介
2017年1月，FAIR（Facebook AI Research）发布了PyTorch。PyTorch是在Torch基础上用python语言重新打造的一款深度学习框架。Torch是采用Lua语言作为接口的机器学习框架，但因为Lua语言较为小众，导致Torch知名度不高。
PyTorch发展
- 2017年1月正式发布PyTorch
- 2018年4月更新0.4.0版，支持Windows系统，caffe2正式并入PyTorch
- 2018年11月更新1.0稳定版，已GitHub 增长第二快的开源项目
- 2019年5月更新1.1.0版，支持TensorBoard，增强可视化功能
- 2019年8月更新1.2.0版，更新torchvision，torchaudio 和torchtext，增加更多功能
PyTorch优点
- 上手快：掌握Numpy和基本深度学习概率即可上手
- 代码简单灵活：用nn.module封装使得网络搭建更加方便；基于动态图机制，更灵活
- Debug方便：调试PyTorch就像调试Python代码一样简单
- 文档规范：https://pytorch.org/docs/stable/index.html 可查看各版本文档
- 资源多：arXiv中的新算法大多有PyTorch实现
- 开发者多：GitHub上贡献者已经超过1100+
- 背靠大树：FaceBook维护开发
- ……
适合人群
- 深度学习初学者：模型算法实现容易，加深深度学习概念认识
- 机器学习爱好者：数十行代码便可实现人脸识别，目标检测，图像生成等有趣实验
- 算法研究员：最新arXiv论文算法快速复现
软件安装
Python包管理器
Anaconda是为了方便使用python而建立的一个软件包，其中包含常用的250多个工具包，多版本python解释器和强大的虚拟环境管理，所以Anaconda得名python全家桶。
Anaconda可以使安装、运行和升级环境变得更简单，因此推荐安装使用。
安装步骤：
- 官网下载安装包
- 运行安装包
- 选择路径，勾选添加环境变量，等待安装完成
- 严重安装成功，打开cmd，输入conda，回车
- 添加中科大镜像或者清华镜像源
Python集成开发环境
PyCharm —— 强大的python IDE，拥有调试、语法高亮、Project管理、代码跳转、智能提示、版本控制等功能。
安装步骤：
- 官网下载安装包
- 运行安装包
- 选择路径，勾选添加环境变量，等待安装完成
PyTorch
安装步骤：
1、检测是否有合适的GPU，若有，需要安装CUDA与CuDNN
2、CUDA与CuDNN安装（非必须）
3、官网寻找对应版本下载（cuda版本或cpu、pytorch版本、python版本、操作系统都需要一一对应）
CUDA安装（补充）
CUDA（Compute Unified Device Architecture），是一种由NVIDIA推出的通用并行计算架构
CuDNN：为深度学习计算设计的软件库
安装步骤：
- 检查pytorch版本所支持的cuda版本，下载对应版本的CUDA
- 下载CUDA安装包，下载对应CUDA版本的CuDNN安装包
- 安装并验证安装是否成功
解释器与工具包
虚拟环境 Vittual Environment
Window11+RTX4060配置CUDA11.8+pytorch2.0.0
下载CUDA11.8
进入官网下载Link，然后点击Archive of Previous CUDA Releases，找到对应版本11.8。
选择对应操作系统版本，点Download下载到本地。
下载cuDNN
点击链接Link，找到CUDA11.8对应的cuDNN。
安装CUDA11.8
全程点击next直到安装结束。
配置环境变量，在path里添加。
#前两个应该自动配好了
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
在命令行窗口输入以下命令看是否成功
nvcc -V
成功显示以下内容表示安装成功
安装cuDNN
解压下载的压缩包
把里边的三个文件夹bin,include,lib复制到下面路径（如果改了CUDA的安装路径，就复制到对应文件夹里）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
下载并安装python
下载并安装Anaconda
到官网链接选择适合自己系统的 64 位安装包，注意选择 Python3 以上的版本。
安装torch
进入官网Link，找到v2.0.0,用pip语句安装。用conda可能会出错，具体见安装pytorch报错torch.cuda.is_available()=false的解决方法
# CUDA 11.8
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118
