PyTorch - 安装

PyTorch - 安装

PyTorch 是一个流行的开源深度学习框架（deep learning framework）。本指南概述了安装 PyTorch 的现代方法。强烈建议使用虚拟环境（virtual environment）来管理依赖项（dependencies）。

步骤 1：选择安装方法和命令

安装 PyTorch 的最佳方法是使用 PyTorch 官方网站上的命令生成器。这可以确保您为您的操作系统（operating system）、包管理器（package manager，如 pip 或 conda）、Python 版本以及 CUDA 版本（CUDA version，如果您有 NVIDIA GPU 并想使用它）获得正确的版本。

1. 导航到 PyTorch 官方网站：https://pytorch.org/get-started/locally/。

2. 在网站上，选择您的偏好：

   • PyTorch Build（PyTorch 构建版本）：大多数用户推荐选择 Stable（稳定版）。
   • Your OS（您的操作系统）：Linux, Mac, Windows。
   • Package Manager（包管理器）：Conda, Pip, LibTorch, Source。
   • Language（语言）：Python or C++/Java。
   • Compute Platform（计算平台）：如果您有 NVIDIA GPU，选择对应的 CUDA 版本；如果没有，选择 CPU。

3. 网站将生成您需要在终端（terminal）中运行的确切命令。复制此命令。

使用虚拟环境（推荐）

在运行安装命令之前，创建并激活一个虚拟环境。这将隔离您的项目依赖项。

使用 venv（Python 内置工具）：

# 创建一个虚拟环境（例如，命名为 'pytorch_env'）
python -m venv pytorch_env

# 激活环境
# 在 Windows 上：
pytorch_env\Scripts\activate
# 在 macOS/Linux 上：
source pytorch_env/bin/activate

使用 conda：

# 创建一个 conda 环境（例如，命名为 'pytorch_env'），并指定 Python 版本
conda create -n pytorch_env python=3.9

# 激活环境
conda activate pytorch_env

安装 PyTorch

一旦您的虚拟环境被激活，粘贴并运行您从 PyTorch 网站复制的命令。例如，一个常见的仅使用 CPU 的 pip 命令可能如下所示：

# 示例 pip 命令 (仅用于 CPU, 请查看官方网站获取最新命令)
pip install torch torchvision torchaudio

而一个 conda 命令可能如下所示：

# 示例 conda 命令 (仅用于 CPU, 请查看官方网站获取最新命令)
conda install pytorch torchvision torchaudio cpuonly -c pytorch

注意：如果您有 NVIDIA GPU 并想利用它，请确保在 PyTorch 网站上选择合适的 CUDA 版本，生成的命令将包含启用 CUDA 的 PyTorch 构建版本。

步骤 2：验证安装

安装完成后，您可以通过运行一个简单的 Python 脚本来验证它：

import torch

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

# Check if CUDA (GPU support) is available
is_cuda_available = torch.cuda.is_available()
print(f"CUDA Available: {is_cuda_available}")

if is_cuda_available:
    # Get the CUDA version PyTorch was compiled with
    print(f"CUDA Version: {torch.version.cuda}")
    # Get the number of GPUs available
    print(f"Number of GPUs: {torch.cuda.device_count()}")
    # Get the name of the current GPU
    print(f"Current GPU Name: {torch.cuda.get_device_name(torch.cuda.current_device())}")
else:
    print("PyTorch is using CPU.")

将此代码保存为 Python 文件（例如，verify_pytorch.py），并在您的终端中运行它（python verify_pytorch.py）。如果 PyTorch 正确安装，它将打印版本和 CUDA 状态，而不会出现错误。

常见问题：

• 如果安装了 CUDA 支持，请确保您的 GPU 驱动程序是最新的。
• 在安装和验证之前，仔细检查您的虚拟环境是否已激活。