正文

youcans的深度学习02pytorchcpu版本安装与环境配置(代码片段)

YouCans  YouCans  2023-03-13  762

关键词：

欢迎关注『youcans的深度学习』系列，持续更新中…
【youcans的深度学习 01】安装环境之 miniconda
【youcans的深度学习 02】PyTorch CPU版本安装与环境配置

【youcans的深度学习 02】PyTorch CPU版本安装与环境配置

1. 安装环境要求

PyTorch支持Windows、Linux、Macos等操作系统。
Windows平台：支持Windows7及以上版本，推荐使用Windows10或更高版本。
需要Python环境，推荐使用conda包管理工具和PycharmIDE工具。
推荐使用MiniConda搭建Python环境，提供了conda 包管理工具和Python解释器。
推荐创建python虚拟环境，在虚拟环境中下载安装PyTorch。

安装CPU版本前建议测试（但非必须）本机是否为独立显卡，是否支持CUDA的安装：点击【cuda-gpus列表】可以查询显卡是否在列表中。

2. 创建Python虚拟环境

2.1 安装 Anaconda 或 miniconda

详见上节【01 安装环境 miniconda】。

2.2 创建torch虚拟环境

强烈推荐创建python虚拟环境，在虚拟环境中下载安装PyTorch。

（1）cmd进入命令行编辑器，或由Anaconda Prompt，或miniconda Prompt 进入命令行编辑器。默认为<base>环境， base 是安装 Anaconda 自带的一个基础环境。

（2）输入"conda env list"，检查本机中的的Python环境：

如果用户尚未创建虚拟环境，则只有 base环境。如果用户已经创建虚拟环境，也会显示在列表中。

如图所示，用户创建了 py38虚拟环境，当前激活环境为 base（路径之前有个星号*）

（3）输入"conda create -n torch"，创建名为"torch"的虚拟环境：

（4）输入"conda activate torch"，激活torch虚拟环境。

激活torch虚拟环境以后，当前激活环境为 torch（路径之前有个星号*）。

（5）在torch虚拟环境安装必要的包。

conda install -y numpy
conda install -y matplotlib & conda install -y pandas & conda install -y xlrd

…

2.3 PyCharm环境配置

2.3.1 创建新项目的环境设置

打开PyCharm，创建新的项目。
在 Location 选择适当的项目路径
在 Python Interpreter 选择 Previously configured interpreter，选项框中自动找到 Python3.8(torch)。
如果没有自动找到，则可以通过路径选择添加Python解释器Add Python Interpreter，找到所经历的 py38 环境的Python解释器。如下图所示：

如果在该窗口选择 Create a main.py welcom script，则在创建项目的同时新建了一个 main.py 文件。

运行这个 main.py 文件，在 PyCharm 下方就会出现运行结果：

2.3.2 已有项目的环境设置

打开 PyCharm，打开一个已经建立的项目；
在 PyCharm 上方菜单选择：File–Settings；
弹出 Settings 窗口，从左侧菜单选择：Project–Python Interpreter，从右上方的选项框Python Interpreter选择 Python3.8(torch)环境。当然也可以选择创建的其它 Python 环境。
打开并运行 python 程序，得到运行结果。

如果提示缺少导入的包，可以按照 3.2 的方法安装相应的包。

3. 安装 PyTorch CPU版本

3.1 官网下载

（1）进入PyTorch官网【https://pytorch.org/】

PyTorch

FROM RESEARCH TO PRODUCTION

An open source machine learning framework that accelerates the path from research prototyping to production deployment.

Installhttps://pytorch.org/

（2）按照 INSTALL PYTORCH 的提示，选择适合自己的PyTorch版本。
说明：Stable代表PyTorch当前最受测试和支持的版本，适合普通用户。

（3）复制"Run this Command"生成的命令。

Run this Command:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

3.2 conda安装PyTorch

（1）回到conda环境（cmd进入命令行编辑器，或由Anaconda Prompt，或miniconda Prompt 进入命令行编辑器）

（2）运行此前所复制的"Run this Command"代码。

注意：

一定要切换到 torch 虚拟环境，否则可能安装到base环境或其它虚拟环境。
如果下载速度慢，建议使用国内镜像源。但此时要删除所复制命令中最后面的 “-c pytorch”。

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/pytorch/

conda install pytorch torchvision torchaudio cpuonly

安装中会跳出"Proceed([y]/n)?"，输入"y"或直接回车即可。

3.3 PyTorch安装测试

3.3.1 进入python进行测试

在conda环境中，进入python后import torch，就可以进行测试。结果如下图所示，没有报错就说明安装成功。

3.3.2 进入PyCharm进行测试

（4）进入PyCharm进行测试

上述conda环境的测试已经说明PyTorch版本安装成功。但为了确认PyCharm中的虚拟环境配置正确，可以进入PyCharm，选择 Python3.8(torch)环境运行以下例程：

import torch
import torchvision

def print_hi(name):
    print(f'Hi, name')  # Press Ctrl+F8 to toggle the breakpoint.

if __name__ == '__main__':
    print_hi('PyCharm')
    print("HELLO pytorch ".format(torch.__version__))
    print("torchvision.version:", torchvision.__version__)
    print("torch.cuda.is_available? ", torch.cuda.is_available())

    x = torch.rand(3, 6)
    print(x)

运行结果如下：

Hi, PyCharm
HELLO pytorch 1.13.1
torchvision.version: 0.14.1
torch.cuda.is_available? False
tensor([[0.0052, 0.2104, 0.8887, 0.8930, 0.4597, 0.7055],
[0.6065, 0.2684, 0.9401, 0.4489, 0.2740, 0.3039],
[0.0663, 0.8546, 0.4360, 0.6067, 0.9844, 0.3755]])

一切顺利，收工。

4. PyTorch（CPU）应用例程

最后给一个基于PyTorch（CPU）的应用例程，绘制几种激活函数的形状。

# test02_v1.py
# test02 of PyTroch

import torch
from torch.autograd import Variable
import torch.nn.functional as Func
import matplotlib.pyplot as plt

# 生成数据序列
tensor = torch.linspace(-5, 5, 200)  #  返回一维张量
tensor = Variable(tensor)  # Tensor 转为 Variable
xNp = tensor.numpy()  # Tensor 转为 numpy

# 定义激活函数
y_relu = torch.relu(tensor).data.numpy()
y_sigmoid =torch.sigmoid(tensor).data.numpy()
y_tanh = torch.tanh(tensor).data.numpy()
y_softplus = Func.softplus(tensor).data.numpy()

# 绘图
plt.figure(figsize=(9, 6))
plt.suptitle("Response curve of activation function")
plt.subplot(221)
plt.plot(xNp, y_relu, c='red', label='RelU')
plt.legend(loc='best')
plt.subplot(222)
plt.plot(xNp, y_softplus, c='red', label='hardTanh')
plt.legend(loc='best')
plt.subplot(223)
plt.plot(xNp, y_sigmoid, c='red', label='sigmoid')
plt.legend(loc='best')
plt.subplot(224)
plt.plot(xNp, y_tanh, c='red', label='tanh')
plt.legend(loc='best')
plt.show()

【本节完】

深度学习·理论篇(2023版)·第003篇深度学习和计算机视觉中的基础数学知识02：特征向量和特征值+矩阵乘法的几何意义+奇异值分解+线性可分性和维度+非线性变换

查看详情

动手学深度学习pytorch版-task02(代码片段)

task0201.文本预处理代码解读importcollectionsimportrewithopen('timemachine.txt','r',encoding='UTF-8')asf:lines=[re.sub('[^a-z]+','',line.strip().lower())forlineinf]print(lines)In[8]:lines[0]Out[8]:'thetimemachine'In[9]:lines[1]Out[9]:''... 查看详情

anaconda安装以及pytorchcpu版本安装配置(代码片段)

最近一直在深度学习的准备阶段，对于软件的安装是下了卸载，下了卸载，心态直接爆炸啊！今天终于搞明白了，想跟大家分享一下自己的经验，跟大家交流一下，有错误的地方还请大家指正。 ... 查看详情

youcans的图像处理学习课总目录

专栏地址：『youcans的图像处理学习课』【youcans的图像处理学习课】总目录youcans@qq.com,【youcans的图像处理学习课】更新日期：2022-06-30本系列是学习冈萨雷斯《数字图像处理（第四版）》的笔记，篇目也是对... 查看详情

youcans的图像处理学习课总目录

学习《tensorflow实战google深度学习框架(第2版)》中文pdf和代码

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，帮助快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实... 查看详情

33万字！深度学习笔记在线版发布!

吴恩达老师的深度学习课程（deeplearning.ai），可以说是深度学习入门的最热门课程，我和志愿者编写了这门课的笔记，并在github开源，为满足手机阅读的需要，我将笔记做成了在线版，可以在手机上打开公众号收藏就能学习。（... 查看详情

youcans的opencv学习课12.彩色图像的处理(代码片段)

专栏地址：『youcans的图像处理学习课』文章目录：『youcans的图像处理学习课-总目录』【youcans的OpenCV学习课】12.彩色图像的处理文章目录【youcans的OpenCV学习课】12.彩色图像的处理1.图像的颜色空间转换图像的色彩空间基... 查看详情

youcans的图像处理学习课11.形态学图像处理（下）(代码片段)

专栏地址：『youcans的图像处理学习课』文章目录：『youcans的图像处理学习课-总目录』【youcans的图像处理学习课】11.形态学图像处理（上）【youcans的图像处理学习课】11.形态学图像处理（中）【youcans的图... 查看详情

youcans的图像处理学习课11.形态学图像处理（下）(代码片段)

youcans的图像处理学习课11.形态学图像处理（中）(代码片段)

youcans的图像处理学习课11.形态学图像处理（上）(代码片段)

youcans的图像处理学习课11.形态学图像处理（下）(代码片段)

你期待已久的《动手学深度学习》（pytorch版）来啦！

《动手学深度学习》全新PyTorch版本，李沐和亚马逊科学家阿斯顿·张等大咖作者强强联合之作，机器学习、深度学习领域重磅教程，交互式实战环境，配套资源丰富！面向中文读者的能运行、可讨论的深度学... 查看详情

人工智能学习笔记----02

...章目录人工智能学习笔记----02一、人工智能、机器学习、深度学习二、一些基本概念Jupyter一、人工智能、机器学习、深度学习机器学习是人工智能的重要分支深度学习是机器学习的重要分支二、一些基本概念我们日常所说的自... 查看详情

《深度学习100例》目录（详细版）（编辑中~）(代码片段)

大家好，我是K同学啊！《深度学习100例》正在更新中~在这个漫长的过程，中途遇到了不少问题，但是也有幸遇见不少优秀的伙伴，很荣幸✨小tips：Ctrl+F可快速查找1.深度学习100例-卷积神经网络（CNN）实现MNIST手写数字识别|第1... 查看详情

书籍推荐：《tensorflow实战google深度学习框架第2版》（高清pdf中文版）

内容简介：TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐... 查看详情

csdn独家|全网首发|pytorch深度学习·理论篇(2023版)目录

很高兴和大家在这里分享我的最新专栏 Pytorch深度学习·理论篇(2023版)，恭喜本博客浏览量达到两百万，CSDN内容合伙人，CSDN人工智能领域实力新星~0Pytorch深度学习·理论篇+实战篇(2023版)大纲1Pytorch深度学习·理论篇... 查看详情