Caffe2 - 安装

PyTorch - 安装

既然您已经了解了 PyTorch 的基础知识，现在是时候在您的系统上安装它了。PyTorch 为各种操作系统（Linux、macOS、Windows）和包管理器（conda、pip）提供了灵活的安装选项。您还可以选择仅限 CPU 的版本或启用 GPU 的版本（CUDA）。

安装 PyTorch 的推荐方法是通过官方网站的配置工具，该工具会为您的特定设置生成正确的命令。

使用 PyTorch 官方网站

1. 访问 PyTorch 官方网站：https://pytorch.org/

2. 找到“Get Started”或“Install”部分。

3. 使用交互式工具选择您的偏好：

• PyTorch 构建版本： Stable（稳定版，推荐）或 Preview（预览版，每夜构建）。
• 您的操作系统： Linux、Mac 或 Windows。
• 包管理器： Conda 或 Pip（根据您的 Python 环境管理选择）。
• 语言： Python。
• 计算平台： CPU 或特定 CUDA 版本（如果您有 NVIDIA GPU 并需要 GPU 加速）。选择与您的 GPU 驱动兼容的 CUDA 版本。

4. 该工具会生成在您的终端中运行的确切命令。复制并执行此命令。

安装命令示例（请查看官方网站获取最新信息！）

使用 Conda（如果您使用 Anaconda/Miniconda 则推荐）

适用于 Linux/macOS 上的仅限 CPU 版本：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

适用于 Linux/Windows 上的 CUDA 版本（例如，CUDA 11.8）：

# 确保您的 NVIDIA 驱动支持 CUDA 11.8
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

使用 Pip

适用于 Linux/macOS/Windows 上的仅限 CPU 版本：

pip install torch torchvision torchaudio

适用于 Linux/Windows 上的 CUDA 版本（例如，CUDA 11.8）：

# 确保您的 NVIDIA 驱动支持 CUDA 11.8
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

注意： 确切的 pip 命令（特别是 --index-url 或 --extra-index-url）可能因 CUDA 版本和操作系统而异。请始终参考官方网站。

安装附加库

在本教程的示例中，您可能需要其他常用库。使用 pip 或 conda 安装它们：

# 使用 pip
pip install numpy matplotlib scikit-image requests

# 或者使用 conda（如果您使用 conda 安装了 PyTorch）
conda install numpy matplotlib scikit-image requests -c conda-forge

库：

• numpy： 用于科学计算的基础包。
• matplotlib： 用于绘制图表和显示图像。
• scikit-image： 用于图像加载和处理（或者，可以使用 Pillow pip install Pillow）。
• requests： 用于从 URL 下载文件（例如，类别标签）。

测试安装

要验证您的 PyTorch 安装，请运行以下 Python 脚本：

import torch
import numpy as np

print(f"PyTorch version: {torch.__version__}")

# 测试基本的 Tensor 创建
x = torch.rand(3, 2)
print("\nCreated a random tensor:")
print(x)

# 测试 NumPy 桥接
numpy_array = np.array([1, 2, 3])
torch_tensor = torch.from_numpy(numpy_array)
print("\nConverted NumPy array to tensor:")
print(torch_tensor)

# 测试 CUDA 可用性（如果您安装了 GPU 版本）
if torch.cuda.is_available():
    print(f"\nCUDA is available. GPU: {torch.cuda.get_device_name(0)}")
    # 示例：将 Tensor 移动到 GPU
    device = torch.device("cuda")
    y = torch.ones_like(x, device=device) # 在 GPU 上创建 Tensor
    x_gpu = x.to(device) # 将现有 Tensor 移动到 GPU
    z = x_gpu + y
    print("Performed addition on GPU:")
    print(z)
    # 将结果移回 CPU 以便打印（如果需要）
    # print(z.to("cpu", torch.double))
else:
    print("\nCUDA is not available. Running on CPU.")

如果脚本运行没有错误并显示您的 PyTorch 版本，则基本安装成功。如果您安装了 GPU 版本，它还应该指示 CUDA 是否可用。

PyTorch 安装完成后，您可以继续探索其功能，从使用预训练模型开始。