安装与使用pytorch_cpu版_安装pytorch cpu

1.pytorch安装

先查看python版本（python3.8）
创建一个新的环境：conda create -n pytorch python=3.8
激活环境：conda activate pytorch
查看环境中的包：pip list

安装pytorch：
进入pytorch官网：https://pytorch.org/，选择对应版本进行安装。这里需要查看一下计算机GPU的型号：
右键此电脑->管理，打开计算机管理界面，在侧边栏选择系统工具x里的设备管理器，然后在右侧选择显示适配器，Inter® UHD Graphics为集显，NVIDIA GeForce GTX为独显。
或直接点击任务管理器，性能，可以查看GPU型号。

测试是否安装成功：
输入：python
继续输入：import torch
没有报错的话，安装成功。

检测是否可以使用GPU：torch.cuda.is_available()，显示false。因为之前安装的CPU版本。电脑不支持CUDA和CuDnn，也就不能在本机上安装GPU版本。

为了测试，安装了pytorch_cpu和pytorch_gpu两个版本，后因发现电脑不支持CUDA，选择删除pytorch_gpu环境：conda remove -n pytorch_gpu --all，注意**删除某个环境时，一定不能在该环境下删除，一般都是base环境下删除我们创建过的环境。**另外，还需要到安装anaconda的文件夹下找到envs文件夹下创建的环境文件删除。

2.pytorch使用

打开pycharm，新建项目并加载刚刚创建的环境，进行测试：

3.pytorch api

网站：https://pytorch.org/docs/stable/index.html

如何搭建神经网络的基本骨架：

• torch.nn
  
  重要类：
  CLASStorch.nn.Module

import torch.nn as nn
import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):#初始化
        super().__init__()#调用初始化函数
        self.conv1 = nn.Conv2d(1, 20, 5)
        self.conv2 = nn.Conv2d(20, 20, 5)
#Defines the computation performed at every call.
    def forward(self, x):#向前传播函数，输入x
        x = F.relu(self.conv1(x))#对x进行卷积，非线性处理
        return F.relu(self.conv2(x))#第二次卷积核非线性处理
1
2
3
4
5
6
7
8
9
10
11
12

创建一个简单的神经网络：（学习资料来自https://www.bilibili.com/video/BV1hE411t7RN/?spm_id_from=333.337.search-card.all.click）很好的学习资料，在自学中~~

import torch
from torch import nn
class CNN(nn.Module):

    def __init__(self) -> None:
        super().__init__()

    def forward(self, input):
        output = input +1
        return output
cnn = CNN()
x = torch.tensor(1.0)
output = cnn(x)
print(output)
1
2
3
4
5
6
7
8
9
10
11
12
13
14