pytorch安装(CPU和GPU)，以及简单的API_pytorch 2.1.1安装

2.1 CPU版本安装

https://pytorch.org/get-started/previous-versions/

进入此网站，可以看到很多安装命令

1 conda安装

如果使用conda安装，把conda的安装源切换到国内的源，怎么修改，如下

修改源之后，可以在上述网站中找到想要安装的版本，也可以参考我的版本

安装命令：（conda版本）

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 -c pytorch

2 无conda安装

安装命令：

pip install torch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 -i http://mirrors.aliyun.com/pypi/simple/

（切记，无论是哪儿种安装，请先关闭vpn进行安装）

2.2 GPU版本安装

在上述网站，提供的只有conda的GPU安装

1 检查当前机器是否有nvidia的GPU

打开任务管理器里面的性能，找到下面GPU 显示NVIDIA的GPU就是有GPU

2  检查nvidia的GPU版本驱动安装是否成功
        在anconda命令行执行 nvidia-smi   得到如下图片就是成功的

如果执行上面命令报错或者看不到上面图片信息，就是驱动不对

具体办法有博主有写，具体博客我就不放了，防止侵权

人工智能计算领域的领导者 | NVIDIA这是官网安装驱动的地方

3 修改conda国内源

如果已经修改可忽略

4 安装GPU版本命令

可以用anaconda创建一个虚拟环境，在虚拟环境中安装GPU版本

查看当前存在的所有conda环境  conda env list

创建虚拟环境  conda create -n pytorch_gpu python=3.8（这是我自己的，你可以修改名字还有python版本）

切换虚拟环境 conda activate pytorch_gpu（后面跟的是你创建的的虚拟环境的名字）

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

3 pytorch简单API

API文档：

torch的基本API

torch — PyTorch 2.1 documentation

torch的封装的深度学习算子API

torch.nn — PyTorch 2.1 documentation

torch的深度学习算子以函数形式的使用展示

torch.nn.functional — PyTorch 2.1 documentation

torch模型优化器相关的API

torch.optim — PyTorch 2.1 documentation

简单的使用API如下代码

import torch
import numpy as np
 
 
def t1():
    # 创建tensor对象方法
 
    v1 = torch.rand(2, 3, 4)  # 在0到1之间的浮点数取值填充
    print(v1.shape)  # torch.Size([2, 3, 4])
 
    py_v2 = [[1.0, 1.32], [2.3, 3.2], [5.2, 324.2]]
    v2 = torch.tensor(py_v2)
    print(v2.shape)  # torch.Size([3, 2])
    py_v2[0][1] = 100
    print(py_v2)
    print(v2)  # 不变, 不与列表共享内存, 和原来没有关系
 
    np_v3 = np.random.randint(10, size=(2, 3))  # 随机取10以内的数字
    v3 = torch.from_numpy(np_v3)
    print(v3.shape)  # torch.Size([2, 3])
    np_v3[0][1] = 100
    v3[1][1] = -100
    print(v3)
    # tensor和numpy都会改变, pytorch目的是替代numpy的, 底层就是numpy, 区别是支持GPU
    print(np_v3)  # 创建的tensor对象和入参numpy对象共用一个内存地址
 
 
def t2():
    # tensor转换为numpy
    v1 = torch.rand(2, 3)
    print(v1)
    np_v1 = v1.numpy()  # v1必须在cpu上, v1不涉及到梯度的计算
    print(np_v1)
 
    v2 = torch.rand(2, 3)
    print(v2)
    np_v2 = v2.detach().cpu().numpy()  # detach梯度截断, cpu就是如果是GPU,就把对象数据copy到cpu上,cpu则不变
    print(np_v2)
 
    v3 = torch.rand(1)[0]  # 一个标量tensor
    print(v3)
    print(v3.shape)  # torch.Size([])
    np_v3 = v3.detach().cpu().numpy()  # detach梯度截断, cpu就是如果是GPU,就把对象数据copy到cpu上,cpu则不变
    print(np_v3)
    print(v3.item())  # 仅支持是一个标量的tensor, 是一个普通的python浮点数类型
 
 
if __name__ == '__main__':
    t2()