![cover](https://img-blog.csdnimg.cn/d67c22579f9141be9966e6e275c80e1c.jpeg)
【精选】windows系统下使用pycharm安装2023年最新pytorch
随着人工智能的不断发展,深度学习这门技术也越来越重要。当你准备开始进行入深度学习和人工智能领域时,PyTorch是一个强大的工具,它能帮助你实现各种深度学习模型和项目。本教程将向你介绍如何安装PyTorch,这是一个开源的深度学习框架,拥有广泛的社区支持和丰富的功能。无论你是初学者还是经验丰富的开发者,我们将为你提供清晰的步骤和指南,以确保你能够轻松地开始使用PyTorch构建自己的深度学习应用程
搭建环境系列文章
第一章 【精选】windows系统下使用pycharm安装2023年最新pytorch
文章目录
前言
随着人工智能的不断发展,深度学习这门技术也越来越重要。当你准备开始进行入深度学习和人工智能领域时,PyTorch是一个强大的工具,它能帮助你实现各种深度学习模型和项目。本教程将向你介绍如何安装PyTorch,这是一个开源的深度学习框架,拥有广泛的社区支持和丰富的功能。无论你是初学者还是经验丰富的开发者,我们将为你提供清晰的步骤和指南,以确保你能够轻松地开始使用PyTorch构建自己的深度学习应用程序。让我们一起迈出第一步,掌握PyTorch的安装过程!
提示:以下是本篇文章正文内容,下面案例可供参考
一、pytorch简介
PyTorch是一个开源的机器学习库,专注于深度学习任务,由Facebook的人工智能研究团队开发和维护。它具有以下重要特点:
- 动态计算图: PyTorch采用动态计算图的方式,允许你根据需要创建、修改和调整计算图,这使得模型开发更加灵活和直观。
- 广泛的应用领域: PyTorch可用于各种深度学习任务,包括图像处理、自然语言处理、强化学习等。它在学术界和工业界都广泛应用,因此成为了研究和开发人员的首选工具。
- 丰富的模块和库: PyTorch提供了丰富的深度学习模块和工具,包括各种优化算法、损失函数、预训练模型等,使模型开发更加高效。
- Python友好: PyTorch的接口基于Python,这使得它非常易于学习和使用,尤其适合那些熟悉Python编程的人。
- 强大的社区支持: PyTorch拥有一个庞大的社区,你可以找到大量的教程、示例代码和支持资源,有助于解决问题和加速开发。
- 部署选项: 除了模型开发,PyTorch还提供了多种部署选项,包括移动设备部署、生产环境部署等,使你的深度学习模型能够在各种场景下运行。
总之,PyTorch是一个强大、灵活且易于使用的深度学习框架,为研究、开发和解决复杂问题提供了出色的工具和资源。无论你是初学者还是专业人士,PyTorch都是探索人工智能领域的理想选择。
二、检查是否有NVIDIA显卡
请在“设备管理器”中的“显示适配器”那一项查看是否有NVIDIA显卡,若没有显示有“NVIDIA GeForce …”,则表示这台电脑没有NVIDIA显卡,请按照下文“CPU版”安装方式安装pytorch;若显示有“NVIDIA GeForce …”,则按照下文“GPU版”安装方式安装pytorch。
温馨提示:请务必确认一下电脑的显卡型号再安装,否则可能导致后续环境搭建失败!
若有NVIDIA显卡,请查看显卡型号。如下所示,我的电脑显卡型号为“NVIDIA GeForce GTX 3060 Laptop GPU”。
三、环境搭建步骤
1、GPU版
1.1、NVIDIA驱动安装
NVIDIA驱动下载链接:
https://www.nvidia.cn/Download/index.aspx?lang=cn
-
进入上文提供的NVIDIA驱动下载链接,根据电脑的显卡型号下载相应的NVIDIA驱动包,流程如下;
-
下载完成后,按照安装提示的流程走即可,此处省略安装步骤。
1.2、cuda程序安装
cuda下载链接:
https://developer.nvidia.com/cuda-toolkit-archive
-
在桌面上右击鼠标右键,打开NVIDIA控制面板,并参考如下步骤确认需要安装什么版本的cuda。如下所示,支持的cuda版本最高为“CUDA 12.3.68”;
-
进入cuda下载链接。请注意,截止目前,pytorch只支持cuda12.1及以下的版本,暂不支持cuda12.3的版本。为了后续pytorch的顺利安装,这里我们选择cuda12.1.1进行下载,步骤如下;
-
下载完成后,按照安装提示的流程走即可,此处省略安装步骤;
-
安装cuda之后,需要验证是否安装成功。在搜索中输入cmd并使用管理员身份打开;
-
在cmd中输入“nvidia-smi”,若打印出以下信息则表示cuda安装成功;
1.3、cudnn程序安装
cudnn下载链接:
https://developer.nvidia.com/rdp/cudnn-download
-
进入cudnn下载链接后,需要输入账号和密码登录(若没注册,请先注册)
-
因为上一步安装的cuda程序是12.x版本的,所以选择“CUDA 12.x”;
-
选择基于windows版本的cudnn安装包进行下载;
-
完成下载后,解压,可看到有“bin”、“include”和“lib”三个子文件夹;
-
因为我的cuda安装目录在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA”,所以我把解压后的cudnn文件按如下复制到cuda的安装目录:
1)将“bin”文件夹里的所有文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin”目录下;
2)将“include”文件夹里的所有文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include”目录下;
3)将“lib/x64”文件夹里的所有文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib\x64”目录下。
温馨提示:若cuda安装在其它文件夹,则要把cudnn的文件放在其它文件夹下!
1.4、anaconda安装
anaconda官网链接:
https://www.anaconda.com/download/
- 如下所示,直接点击“Download”进行下载即可,默认就是最新版和windows版的anaconda;
- 下载完成后,请按照安装提示正常操作即可,这里省略安装步骤。
1.5、使用anaconda创建虚拟环境
- 因为后续的每一个项目可能需要的依赖库版本不同,为了避免版本冲突,需要为每一个项目配置一个虚拟环境,这样就互不干扰了;
- 搜索“anaconda prompt”,打开此终端;
- 输入“conda env list”,可查看当前所有的虚拟环境。如下所示,anaconda默认帮你创建了一个名为“base”的虚拟环境;
// 查看当前所有的虚拟环境
conda env list
- 新建一个虚拟环境,虚拟环境的名称可以随意命名。这里假设新建一个虚拟名称为“torch_test”的虚拟环境,则输入“conda create –n torch_test python=3.11”(这里3.11是我电脑安装的python版本,若想查看当前python版本,直接输入“python”即可)
// 创建一个名为“torch_test”的虚拟环境,当前python版本为3.11
conda create –n torch_test python=3.11
-
安装过程中,会提示输入“y”or“n”,输入“y”按回车即可;
-
等待安装完成之后,输入“conda env list”查看,可以看到新建的“torch_test”虚拟环境。使用“conda activate torch_test”可切换到这个虚拟环境。
// 切换到“torch_test”这个虚拟环境
conda activate torch_test
1.6、pycharm安装和新建工程
pycharm官网链接:
https://www.jetbrains.com.cn/en-us/pycharm/
-
进入pycharm官网链接后,点击“Download”;
-
pycharm选择免费的社区版(Community)进行下载就行,推荐选择最新版本(默认就是最新版);
-
下载完成后,请按照安装提示正常操作即可,这里省略安装步骤。安装过程会遇到如下提示,全勾选即可;
-
安装完pycharm后,打开pycharm,点击“New project”;
-
如下所示,系统会指定了默认的项目路径和项目名称,可以自己改变路径和项目名称;
-
由于我们之前已经通过anaconda的终端创建了一个“torch_test”的虚拟环境,所以这里我们需要绑定这个虚拟环境,请选择“Previously configured interpreter”,然后点击“Add Local Interpreter”;
-
按如下步骤绑定之前已创建好的“torch_test”虚拟环境;
-
鼠标右键点击界面左侧新建的项目名称,然后新建一个“Python File”,这里命名为“test.py”。至此,pycharm已完成安装,且绑定了虚拟环境,新建了项目工程。
1.7、pytorch安装
pytorch官网链接:
https://pytorch.org/
-
进入pytorch官网后,选择“Get Started”;
-
请选择和和之前安装的cuda程序一样的版本,例如上文安装的cuda版本是12.1,那么这里选择的cuda版本也是12.1(如果安装了其它版本的cuda,请点击“install previous versions of Pytorch”并选择相应版本的cuda),然后复制安装指令;
-
回到pycharm,打开pycharm终端。请观察终端的当前虚拟环境是否是“torch_test”,若不是,请使用“conda activate torch_test”切换到“torch_test”环境;
-
在pycharm终端上粘贴从pytorch官网复制的安装指令,并按回车开始安装pytorch;
-
若安装过程遇到“read time out”的问题,则添加“ --default-timeout=100”延长安装时间,如下所示;
pip3 --default-timeout=100 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
- 当pytorch安装完成后,请在新建的test.py中输入以下代码;
import torch
# 打印pytorch版本信息
print("torch.__version__ = ", torch.__version__)
# 验证cuda是否可用
print("torch.cuda.is_available() = ", torch.cuda.is_available())
- 若打印出pytorch版本号,且“torch.cuda.is_available()”返回“True”,则证明GPU版的pytorch安装成功。
2、CPU版
2.1、anaconda安装
anaconda官网链接:
https://www.anaconda.com/download/
-
如下所示,直接点击“Download”进行下载即可,默认就是最新版和windows版的anaconda;
-
下载完成后,请按照安装提示正常操作即可,这里省略安装步骤。
2.3、使用anaconda创建虚拟环境
- 因为后续的每一个项目可能需要的依赖库版本不同,为了避免版本冲突,需要为每一个项目配置一个虚拟环境,这样就互不干扰了;
- 搜索“anaconda prompt”,打开此终端;
- 输入“conda env list”,可查看当前所有的虚拟环境。如下所示,anaconda默认帮你创建了一个名为“base”的虚拟环境;
// 查看当前所有的虚拟环境
conda env list
- 新建一个虚拟环境,虚拟环境的名称可以随意命名。这里假设新建一个虚拟名称为“torch_test”的虚拟环境,则输入“conda create –n torch_test python=3.11”(这里3.11是我电脑安装的python版本,若想查看当前python版本,直接输入“python”即可)
// 创建一个名为“torch_test”的虚拟环境,当前python版本为3.11
conda create –n torch_test python=3.11
-
安装过程中,会提示输入“y”or“n”,输入“y”按回车即可;
-
等待安装完成之后,输入“conda env list”查看,可以看到新建的“torch_test”虚拟环境。使用“conda activate torch_test”可切换到这个虚拟环境。
// 切换到“torch_test”这个虚拟环境
conda activate torch_test
2.4、pycharm安装和新建工程
pycharm官网链接:
https://www.jetbrains.com.cn/en-us/pycharm/
-
进入pycharm官网链接后,点击“Download”;
-
pycharm选择免费的社区版(Community)进行下载就行,推荐选择最新版本(默认就是最新版);
-
下载完成后,请按照安装提示正常操作即可,这里省略安装步骤。安装过程会遇到如下提示,全勾选即可;
-
安装完pycharm后,打开pycharm,点击“New project”;
-
如下所示,系统会指定了默认的项目路径和项目名称,可以自己改变路径和项目名称;
-
由于我们之前已经通过anaconda的终端创建了一个“torch_test”的虚拟环境,所以这里我们需要绑定这个虚拟环境,请选择“Previously configured interpreter”,然后点击“Add Local Interpreter”;
-
按如下步骤绑定之前已创建好的“torch_test”虚拟环境;
-
鼠标右键点击界面左侧新建的项目名称,然后新建一个“Python File”,这里命名为“test.py”。至此,pycharm已完成安装,且绑定了虚拟环境,新建了项目工程。
2.5、pytorch安装
pytorch官网链接:
https://pytorch.org/
-
进入pytorch官网后,选择“Get Started”;
-
因为电脑没有NVIDIA显卡,所以“Compute Platform”那一项选择“CPU”,然后请复制安装命令;
-
回到pycharm,打开pycharm终端。请观察终端的当前虚拟环境是否是“torch_test”,若不是,请使用“conda activate torch_test”切换到“torch_test”环境;
-
在pycharm终端上粘贴从pytorch官网复制的安装指令,并按回车开始安装pytorch;
-
若安装过程遇到“read time out”的问题,则添加“ --default-timeout=100”延长安装时间,如下所示;
pip3 --default-timeout=100 install torch torchvision torchaudio
- 当pytorch安装完成后,请在新建的test.py中输入以下代码;
import torch
# 打印pytorch版本信息
print("torch.__version__ = ", torch.__version__)
# 验证cuda是否可用
print("torch.cuda.is_available() = ", torch.cuda.is_available())
- 若打印出pytorch版本号,且“torch.cuda.is_available()”返回“False”,则证明安装的是CPU版本的pytorch。
结语
安装PyTorch后,你已经为深度学习和人工智能的探索铺平了道路。PyTorch提供了强大的工具和库,帮助你构建各种类型的神经网络,解决复杂的问题,并开发创新的应用程序。作为一名PyTorch用户,你现在可以探索图像处理、自然语言处理、强化学习和其他领域的项目。
![Logo](https://devpress.csdnimg.cn/79de2bf0b7994defa4242ef90d5513fa.jpg)
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)