pytorch装置教程 图文详解 (pytorch用来干嘛的)
本文目录导航：
pytorch装置教程（图文详解）
在装置 PyTorch 环境时，首先须要确认电脑上能否装备 NVIDIA 显卡，以便依据状况选用 CPU 版或 GPU 版 PyTorch。
若无显卡，则装置 CPU 版即可。
装置步骤中，经常使用 Anaconda 作为 Python 包治理器，它能有效处置不同名目间的环境抵触疑问。
装置时，需下载 Anaconda 装置包并成功装置，记得勾选将 Anaconda 减少到系统环境变量，以便后续操作。
装置成功后，经过在命令揭示符中输入 `conda`，若产生关系消息，则示意 Anaconda 装置成功。
之后，经过官方查问电脑允许的 CUDA 版本，下载相对应的 CUDA，并在装置环节中检查能否装置成功。
接着，下载 cuDNN 相应版本，依照官方指点启动装置，验证 cuDNN 能否正确装置。
关于 GPU 版 PyTorch，首先性能好 torch 环境，创立和激活虚构环境，确保在该环境中装置所需的库，如 numpy。
之后，经过 PyTorch 官方找到适合的版本，经常使用 Anaconda 命令装置 PyTorch。
装置后，经过特定代码审核装置能否成功。
关于 CPU 版 PyTorch，雷同经常使用 Anaconda 治理环境，创立、激活虚构环境，装置所需库，并经过 PyTorch 官方指定版本装置。
装置成功雷同经过特定代码验证环境能否正确装置。
整个流程中，Anaconda 的经常使用贯通一直，作为 Python 环境治理工具，它为名目之间的包治理提供了高效处置打算。
经过遵照上述步骤，即可成功装置 PyTorch 环境，为深度学习名目奠定基础。
怎样从国际源中下载指定cuda版本的pytorch?
在寻觅指定CUDA版本的PyTorch时，间接经常使用Pip从镜像装置会遇到艰巨，由于干流镜像网站理论只会从PyPI同步whl，而PyTorch的大局部whl版本都颁布在其官方网站 /wh... 上。
介绍驳回Conda装置，由于它能够繁难地利用镜像下载第三方源，甚至能够接入NVIDIA的镜像源。
但是，Conda的解析环境速度较慢，且容易引发疑问，造成用户转向其余代替打算。
一种较好的代替是经常使用Mamba作为装置库的工具。
Mamba是Anaconda官方推出的新解析器，经过用C++从新编写conda，成功了极速解析。
经常使用Mamba交流Conda指令，即可简化库的装置环节，操作模式也十分繁难。
Pytorch手动下载装置教程
在启动PyTorch的手动下载装置时，理论介绍经常使用PyTorch官方提供的pip或conda命令，以防止因国外源的下载速度缓慢疑问。
但是，关于最新版本的PyTorch，若国际源尚未同步，此时手动下载并装置则成为最快捷的模式。
首先，访问PyTorch的装置页面，查找所需的命令。
假定咱们须要下载PyTorch版本1.8.1，可得悉须要下载的包包含pytorch==1.8.1、torchvision==0.9.1、torchaudio==0.8.1。
接着，返回PyTorch-whl页面寻觅对应的包。
页面提供不同CUDA版本的whl包，如cu111代表CUDA 11.1，选用与自身配件性能相婚配的版本。
值得留意的是，torchaudio包或者不提供特定CUDA版本，这示意其实用于一切版本。
下载模式多样，可间接将whl文件下载至本地电脑，而后上行至主机，或经过在页面上复制链接，经常使用wget命令在主机上间接下载。
装置步骤如下：切换至虚构环境后，进入三个包所在目录，口头装置命令，例如：成功装置后，经过测试命令验证装置能否成功。
phper