Windows10系统安装PyTorch完整教程
1. 概述
PyTorch是⼀个开源的Python机器学习库，其前⾝是著名的机器学习库Torch。2017年1⽉，由Facebook⼈⼯智能研究院（FAIR）基于Torch推出了PyTorch，它是⼀个⾯向Python语⾔的深度学习框架，不仅能够实现强⼤的GPU加速，同时还⽀持动态神经⽹络，这是很多主流深度学习框架⽐如Tensorflow等都不⽀持的。PyTorch既可以看作加⼊了GPU⽀持的numpy，同时也可以看成⼀个拥有⾃动求导功能的强⼤的深度神经⽹络。除了Facebook外，它已经被Twitter、CMU和Salesforce等机构采⽤。作为经典机器学习库Torch的端⼝，PyTorch 为 Python 语⾔使⽤者提供了舒适的深度学习开发选择。编程下载手机软件
尽管推出时间不长，但是⽬前，Pytorch已成为深度学习领域使⽤最⽕热的框架。其原因主要包括以下三点：
网络编程项目怎么
（1）简洁：
PyTorch的设计追求最少的封装，尽量避免重复造轮⼦。 简洁的设计带来的另外⼀个好处就是代码易于理解。PyTorch的源码只有TensorFlow的⼗分之⼀左右，更少的抽象、更直观的设计使得PyTorch的源码⼗分易于阅读。
（2）速度：
PyTorch 的灵活性不以牺牲速度为代价，在许多评测中，PyTorch 的速度表现胜过 TensorFlow和Keras 等框架。
（3）易⽤：
PyTorch 是所有的框架中⾯向对象设计的最优雅的⼀个。PyTorch的⾯向对象的接⼝设计来源于Torch，⽽Torch的接⼝设计以灵活易⽤⽽著称，Keras作者最初就是受Torch的启发才开发了Keras。PyTorch继承了Torch的⾐钵，尤其是API的设计和模块的接⼝都与Torch⾼度⼀致。PyTorch的设计最符合⼈们的思维，它让⽤户尽可能地专注于实现⾃⼰的想法，即所思即所得，不需要考虑太多关于框架本⾝的束缚。
2. 安装
由于PyTorch⾯向的是Python语⾔，因此⾸先需要安装Python。
PyTorch主要⽤来进⾏深度学习算法建模和推理，为了加快算法训练速度，⼀般情况下需要使⽤带GPU的电脑进⾏Pytoch安装，⽽为了能够在PyToch中准确使⽤GPU，⾸先需要安装GPU环境，包括cuda和cudnn。
在确保正确安装GPU环境后再安装PyToch。
2.1 安装cuda
随着显卡的发展，GPU越来越强⼤，⽽且GPU为显⽰图像做了优化。在计算上已经超越了通⽤的CPU。如此强⼤的芯⽚如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以⽤于图像渲染和计算以外的⽬的（例如这⾥提到的通⽤并⾏计算）。CUDA即Compute Unified Device Architecture，是NVidia利⽤GPU平台进⾏通⽤并⾏计算的⼀种架构，它包含了CUDA指令集架构（ISA）以及GPU内部的并⾏计算引擎。开发⼈员可以利⽤C⾔、OpenCL、Fortran、c++等为CUDA架构编写程序。简单来理解，cuda就是NVidia提供的可以将显卡进⾏并⾏运算的⼀种软件驱动。
这⾥注意，我们的最终⽬标是使⽤PyToch，⽽特定PyTorch对cuda的版本是有要求的。
因此，我们在安装cuda之前需要先确认到底装哪个cuda版本才⾏。
电脑python安装教程
此处会⾃动列出当前最新最稳定 Stable 的Pytoch版本。此时为 Pytorch1.6.0。
接下来的操作系统OS选择 Windows ，安装⽅式选择 Pip，语⾔选择Python。
CUDA选择可以看出，官⽅推荐与Pytorch1.6.0适配的版本是cuda9.2、cuda10.1和cuda10.2。
到底选择哪个CUDA版本呢？请继续看
⾸先我们要确定本机是否有独⽴显卡。在 计算机-管理-设备管理器-显⽰适配器 中，查看是否有独⽴显卡，如下图所⽰：
如上图所⽰，可以看到，当前系统拥有两块NVIDIA显卡，型号均为GeForce GTX1080 Ti。
接下来，需要查询本机独⽴显卡是否⽀持CUDA的安装，以及该显卡实际执⾏时运⾏速度有多快。
由于我们的机器是GeForce系列，因此单击 CUDA-Enabled GeForce and TITAN Products 展开查询。
java编写学生成绩管理系统通过上图可以看到，GeForce GTX 1080Ti在⽀持的列表⾥⾯，其计算能⼒等级为6.1。点进去，可以看到该显卡⽀持的详情。接下来就可以安装cuda。
通过上图我们可以看到，CUDA的最新版本已经到了11.0，但是需要适配前问中的Pytorch1.6.0，所以最⾼只能选择10.2。
下⾯我们选择 CUDA Toolkit 10.1 update 2进⾏下载。单击后会进⼊版本配置界⾯，按下图进⾏选择即可:
安装好后单击 Download 进⾏下载。
接着就是安装过程，双击打开显⽰临时解压⽬录，可以改变解压⽬录然后进⾏解压即可：
秤字组词大全二年级
解压完成后会⾃动进⼊安装流程，如下图所⽰：
按照安装提⽰默认安装即可。
集合转换为数组安装完成后，可以打开⽂件夹 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA，可以看到当前⽬录已经存在v10.1⽂件夹，表⽰已经成功安装cuda10.1版本，并且上述安装程序已经⾃动的向环境变量中添加了对应的cuda路径，使得后续PyTorch可以正常调⽤和执⾏。
最后，测试⼀下cuda是否安装成功。
打开cmd命令终端，然后输⼊命令：
nvcc -V
正常情况下会出现下图所⽰结果：
2.2 安装cudnn
这⾥读者会有疑问，cudnn是什么？为什么装了cuda了还要再装cudnn？

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。