Day1 pytorch深度学习环境搭建(cpu版本)

引言

最近看完了李宏毅的机器学习,开始学李沐的《动手深度学习》,完完全全是从零起不。写深度学习一是为了毕业论文做准备,二是希望能用发一篇论文。想通过这个平台想督促自己学习,同时希望自己的笔记给同时刚入坑的你一些帮助。
以前安装过python,现在查看一下自己python的版本
在这里插入图片描述

1. 安装anaconda

1.1 anaconda干什么用的

anaconda是一个包管理器和环境管理器。

  • 包管理

    Anaconda 附带了一大批常用数据科学包,它附带了 conda、Python 和 150 多个科学包及其依赖项,在数据分析中,你会用到很多第三方的包,而conda(包管理器)可以很好的帮助你在计算机上管理这些包,包括安装、卸载和更新包。

  • 环境管理

    比如你在A项目中用了 Python 2,而新的项目B老大要求使用Python 3,而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。

    还有很多项目使用的包版本不同,比如不同的pandas版本,不可能同时安装两个 Numpy 版本,你要做的应该是,为每个 Numpy 版本创建一个环境,然后项目的对应环境中工作。这时候conda就可以帮你做到。

1.2 安装anaconda

Anaconda 的下载文件比较大(约 500 MB),因为它附带了 Python 中最常用的数据科学包。

如果计算机上已经安装了 Python,安装不会对你有任何影响。实际上,脚本和程序使用的默认 Python 是 Anaconda 附带的 Python,所以安装完Anaconda已经自带安装好了Python,不需要你再安装Python了。

  • 下载python3.8对应的anaconda

网址是:

anaconda官网:https://www.anaconda.com

清华大学开源镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
Day1 pytorch深度学习环境搭建(cpu版本)_第1张图片
Day1 pytorch深度学习环境搭建(cpu版本)_第2张图片

然后一路next

  • 安装完成后,在cmd下查看其版本

在这里插入图片描述

1.3 创建虚拟环境并激活

安装好 anaconda 后,建议立即建一个虚拟环境。

为pytorch创建一个虚拟环境,这样做的好处是方便我们可以同时使用多个深度学习框架,每个框架对应一个虚拟环境,框架之间互不干扰。

1.3.1 创建虚拟环境

C:\Users\penny>conda create -n pytorch-cpu python=3.8

Day1 pytorch深度学习环境搭建(cpu版本)_第3张图片

  • 创建完毕

Day1 pytorch深度学习环境搭建(cpu版本)_第4张图片

1.3.2 激活虚拟环境

C:\Users\penny>conda activate pytorch-cpu

以前的环境是C:\Users\penny>,现在的环境是(pytorch-cpu) C:\Users\penny>

在这里插入图片描述

2. 安装pytorch

2.1 pytorch是干什么用的

Pytorch是torch的python版本,一个神经网络框架(一个包,包里封装好了一些方法程式),专门针对 GPU 加速的深度神经网络(DNN)编程。Torch 是一个对多维矩阵数据进行操作的张量库,在机器学习和其他数学密集型应用有广泛应用。

Day1 pytorch深度学习环境搭建(cpu版本)_第5张图片

2.2 安装

进入pytorch-cpu这一虚拟环境后,为了加快下载速度,首先输入以下的命令,添加清华镜像源

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

另外为了保险起见,建议同时添加第三方conda源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QusdqheL-1641545116758)(D:\capturePic\image-20211215161703873.png)]

输入如下安装命令:

(pytorch-cpu) C:\Users\penny>conda install pytorch torchvision cpuonly

Day1 pytorch深度学习环境搭建(cpu版本)_第6张图片

在Proceed([y]/n)? 后面输入y,回车,即可开始从清华镜像源下载包,接着等待安装成功就好

3.2 测试环境是否搭建成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传Day1 pytorch深度学习环境搭建(cpu版本)_第7张图片

3. 安装pycharm

pycharm以前已经装好了,在官网下载安装包装即可。

3.1 配置pycharm环境

打开pycharm,新建一个项目

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-B7R5qELr-1641545116759)(D:\capturePic\image-20211215165033085.png)]

点击下图红框框区域,添加新的Interpreter,找到新建的pytorch-cpu环境下的python.exe,将其添加到Interpreter中,

Day1 pytorch深度学习环境搭建(cpu版本)_第8张图片

Day1 pytorch深度学习环境搭建(cpu版本)_第9张图片

3.2 测试环境是否搭建成功

Day1 pytorch深度学习环境搭建(cpu版本)_第10张图片

Day1 pytorch深度学习环境搭建(cpu版本)_第11张图片

Tips

Day1 pytorch深度学习环境搭建(cpu版本)_第12张图片

Day1 pytorch深度学习环境搭建(cpu版本)_第13张图片

我们在这里使用的命令是 conda install pytorch torchvision cpuonly

4. 补充:anaconda使用

ananconda管理主要的数据科学包,包括panda、scikit-learn、SciPy、NumPy和谷歌的机器学习平台TensorFlow。

conda list命令将列出当前安装到项目中的包。你可以使用install命令添加附加包及其依赖项。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传Day1 pytorch深度学习环境搭建(cpu版本)_第14张图片

  • 将panda安装到当前环境中

    conda install pandas
    

    对于不属于Anaconda存储库的包,可以使用典型的pip命令。

5. 补充安装anaconda navigator

  1. 启动Anaconda Prompt

  1. 下载

    (base) C:\Users\penny>conda install anaconda-navigator
    

6. 下载《动手学习深度学习》上面要用的资料

6.1安装d2l包

方便调取本书中要使用的函数和类

激活上次创建的虚拟环境

conda active pytorch-cpu

安装d2l包

pip install d2l==0.17.1

下载超时,下载不下来

Day1 pytorch深度学习环境搭建(cpu版本)_第15张图片

用这个链接

(pytorch-cpu) C:\Users\penny>pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple     

6.2 下载本书要用的jupyter记事本内容

我没有用命令行语句下,是直接点的下载到了D盘,然后解压

Day1 pytorch深度学习环境搭建(cpu版本)_第16张图片

用命令行进入D盘(D:),键入jupyter notebook

(pytorch-cpu) D:\研究生学习资料\机器学习资料\d2l-zh>jupyter notebook

Day1 pytorch深度学习环境搭建(cpu版本)_第17张图片

你可能感兴趣的