【Pytorch-入門】windows下的環境搭建（經驗證成功~）

前言

實驗須要，以前使的tensorflow【由於本身手邊的服務器都是windows環境TT...】，但身邊的師兄們用的都是pytorch，本身查了查如今作科研基本上都是用的pytorch，並且如今pytorch的windows版本也已經很成熟了，fastai深度學習庫也受到了普遍的好評，因此...果斷轉！

環境搭建-windows-gpu版：

入門嘛固然是先搭建環境啦，網上資料蠻多的，這裏我就記錄一下個人搭建過程吧：

1、版本選擇：

網上看看，如今pytorch最新版的都是1.0了哇，然而不少開源的項目用的還都是0.4版的，如今剛入門，仍是基礎爲主，就選擇最新版pytorch1.0吧！

2、系統需求：

一、Python:3.6及以上

二、操做系統環境：windows

系統	GPU	CPU
linux	binary	binary
mac	source	binary
windows	source	source

備註： binary = 直接能夠安裝, source = 必須從源碼編譯

3、經過Anaconda安裝：

以前沒安裝過Anaconda的須要安裝好以後再進行以後的操做！[教程網上不少（有的也很坑，慎重選擇！），這裏再也不贅述]

這裏由於俺以前摸爬滾打，入了不少坑，因此有些操做就只簡單解釋一下，若是不懂能夠本身查查或者留言~

一、使用Anaconda建立虛擬環境【防止出現你以前的許多包or環境與Python,PyTorch以及其餘包的版本出現不兼容等玄學問題！】：

• 查看當前存在哪些虛擬環境：conda env list 或 conda info -e

​

•  建立python虛擬環境： 

使用 conda create -n your_env_name python=X.X（2.七、3.6等） anaconda 命令建立python版本爲X.X、名字爲your_env_name的虛擬環境。your_env_name文件能夠在Anaconda安裝目錄envs文件下找到。
# 指定python版本爲3.6，注意至少須要指定python版本或者要安裝的包# 後一種狀況下，不指定python版本，自動安裝最新python版本
conda create -n env_name python=3.6
# 同時安裝必要的包
conda create -n env_name numpy matplotlib python=3.6

•  激活建立的虛擬環境：Windows: activate your_env_name(虛擬環境名稱)，這是使用python --version能夠檢查當前python版本是否爲想要的。

​

 二、在當前虛擬環境下經過conda安裝pytorch：

若是和我同樣準備安裝的是gpu版的，注意必定要檢查你的cuda版本，確保和你的系統保持一致。通常推薦的是cuda9.0版的【相對最新版要穩定的多】，若是沒安裝cuda，能夠自行安裝後再進行以後的步驟，推薦按照官網教程來：win10+cuda9.0+cuDNN 7.0+TensorFlow-gpu install steps【必定要注意版本匹配的問題！】：

• 進入以前配置好的虛擬環境中：activate -虛擬環境名稱（若是你忘記了以前的虛擬環境名稱，輸入：conda env list）
• 安裝每日編譯 nightly 的 PyTorch，注意 cuda 的版本要和你本身的系統保持一致，好比在 CUDA 9.2 上安裝：

conda install -c pytorch pytorch-nightly cuda92

• 若是你的系統沒有安裝 cuda，那麼能夠經過下面的命令安裝 cpu 版本的 PyTorch：

conda install -c pytorch pytorch-nightly-cpu

 安裝 fastai：

conda install -c fastai fastai

• 若是安裝過程有什麼問題，請確保你的 conda 版本已經更新到最新： 

conda update conda

三、安裝成功後的測試：

由於是gpu版的，並且在windows上安裝，不免會有許多玄學bug出現，這時是否能用，就要測試一下啦：

一樣在以前的cmd虛擬環境中輸入：

import torch    # 如正常則靜默

a = torch.Tensor([1.]) # 如正常則靜默 a.cuda() # 如正常則返回"tensor([ 1.], device='cuda:0')" from torch.backends import cudnn # 如正常則靜默 cudnn.is_acceptable(a.cuda()) # 如正常則返回 "True"

​