当前位置:   article > 正文

pytorch(01)环境配置及安装

pytorch(01)环境配置及安装

pytorch

pytorch定位:深度学习框架
  1. 人工智能:多领域交叉科学技术
  2. 机器学习:计算机智能决策算法
  3. 深度学习:高效的机器学习算法
pytorch实现模型训练需要5个模块
  1. 数据
    • 将数据从硬盘读进内存
    • 组织数据进行训练,图片预处理以及数据增强
      • 裁剪、缩放、翻转
  2. 模型
    • 构建模型模块,组织复杂网络
    • 初始化网络参数,定义网络层
  3. 损失函数
    • 创建损失函数,设置损失函数超参数
    • 选择损失函数(18个),回归、分类
  4. 优化器
    • 管理模型参数去更新模型参数
    • 在进行迁移学习的过程中,希望一部分网络模型的参数大一些,有一部分小一些,因此,根据曲线变化情况来调整学习率,需要管理多个参数组实现不同学习率
    • 调整学习率
  5. 迭代训练
    • 观察训练效果,是否收敛,是否停止,绘制Loss/Accuray曲线
    • 使用TensorBoard分析
  6. 模型应用
    • 图像分类,图像分割,目标检测
    • 对抗生成,循环网络
学习路线

Step1. Pytorch基础:环境安装、Tensor、Autograd(自动求导)、计算图(动态图、静态图)
Step2. Pytorch核心:

  1. 数据模块:Dataloader,Dataset,Transform
  2. 模型模块:Module
    LossFunction,Optimizer损失函数和优化器来优化模型
    TensorBoard可视化
  3. 深度学习模型:应用,图像分类、分割、目标检测

第一周

python工具包:内置包:os,sys,glob,re,math
第三方包:pytorch,tnsorflow,numpy
存放地址 本地磁盘:ProgramData/Anaconda3/envs/pytorch_cpu/Lib
其中,pytorch_cpu是虚拟环境名,Lib是工具包所在文件夹
python环境包括解释器和工具包,不同的项目需要不同的python环境
比如:
虚拟环境1. 解释器为python.exe(python2.7),工具包为pytoch=0.4.0,numpy=1.17.0
虚拟环境2. 解释器为python.exe(python2.7),工具包为pytoch=1.1.0,numpy=1.17.0
如何进行管理,此时就需要Anaconda进行管理。

Anaconda安装

安装步骤:

  1. 官网下载安装包 https://www.anaconda.com/products/individual
    时间为2020/12/11的地址

  2. 运行下载的Python 3.8

    64-Bit Graphical Installer (457 MB)

  3. 选择路径,勾选Add Anaconda to the system PATH environment variable,等待安装完成

  4. 验证安装完成,打开cmd,输入conda,回车(如果出现很长的信息就表示安装成功)

  5. 添加中科大镜像

Pycharm安装

安装步骤:

  1. 官网下载安装包:https://www.jetbrains.com/pycharm/download/#section=windows
  2. 运行下载的exe文件
  3. 选择路径,勾选Add launchers dir to the PATH,等待安装完成
PyTorch安装

安装步骤:

  1. 检查是否有合适GPU,若有,需安装CUDA与CuDNN
  2. CUDA与CuDNN安装(非必须)
  3. 下载whl文件,登录
CUDA安装

安装步骤:
去CUDA官网官网选择合适的版本下载安装即可。下面只赘述验证CUDA是否安装成功:
将cuda的路径复制,打开cmd。笔者这里是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
打开命令行cmd
进入到当前目录下 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
执行nvcc -V指令
即可验证是否正确安装,如果正确安装就会显示版本。

CUDNN安装

安装步骤:
去CUDNN官网下载即可。将下载压缩包解压,前三个文件夹复制粘贴至CUDA的目录下(cuda\bin的上一目录)
验证是否安装成功:
进入到cuda中extras的demo_suite目录,同样在cmd命令行中进入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite
紧接着执行两个程序bandwidthTest.exe,deviceQuery.exe C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite>bandwidthTest.exe
如果显示的Result = PASS,则显示CUDNN安装成功
接下来再查看设备C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite>deviceQuery.exe
会显示GPU型号同时Result=PASS即表示cuda和cudnn安装成功。

Pytorch的安装

首先进入官网,获得安装的command代码,command中包含了网址,建议通过网址进行下载,这样速度比较快。例如笔者进行下载的是pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html是通过pip进行安装,那笔者访问https://download.pytorch.org/whl/torch_stable.html进行下载。下载时候ctrl+f进行搜索对应的版本。接下来打开pycharm,创建一个项目。
在底部的terminal栏中用conda创建一个虚拟环境,conda create -n pytorch_gpu python=3.7
紧接着采用conda activate pytorch_gpu激活虚拟环境,进入刚刚下载的目录。
再使用 pip install "torch-1.7.1+cu110-cp38-cp38-win_amd64.whl"
此时显示Successfully installed numpy-1.19.4 torch-1.7.1+cu110 typing-extensions-3.7.4.3
此时设置setting,将project Interpreter添加pytorch_gpu的环境。
此时输入

  1. import torch
  2. print("hello pytorch {}".format(torch.__version__))

会显示

  1. hello pytorch 1.7.1+cu110
  2. Process finished with exit code 0

至此全部安装成功。
也许会出现ImportError: numpy.core.multiarray failed to import,是因为numpy的版本不对,如果你的对应Python是3.8的,但是他默认安装1.9太高了,需要把Numpy卸载重新安装。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/很楠不爱3/article/detail/700692
推荐阅读
相关标签
  

闽ICP备14008679号