Task01 PyTorch的认知与安装

PyTorch官方手册:https://pytorch.org/tutorials/beginner/basics/intro.html

进入深度学习，配置好实验环境就是开始。主要包括四个部分：

1. GPU算力
2. CUDA安装
3. Anaconda安装
4. PyTorch安装

常用的免费GPU算力

• Google Colab

Google Colab是一个在线版本的Jupyter notebook，通过云盘保存数据并通过相对路径导入数据，CPU资源不限时，GPU资源可以白嫖.

• 天池实验室

天池实验室的一个好处就是和天池比赛连接，可以查看他人分享的内容和代码。

• Kaggle Kernel

Kaggle 竞赛平台在新建一个内核，是可以设置中选择 GPU，每周可以免费使用 30 小时

有了GPU机器，接下来的就是安装CUDA。

比较推荐的方法分为两步：安装NVIDIA驱动 + 安装CUDA。

我们的电脑在系统安装好后就已经自带了显卡驱动，但是我们需要安装NVIDA的驱动。

在Windows下，NVIDIA驱动的安装已经很简单了，

CUDA下载网址：https://developer.nvidia.com/cuda-toolkit-archive

接下来就是在这个网页找到适配电脑版本的就行，比如说我的电脑是11.1.1版本。

这里有一个注意事项，就是安装程序也内嵌了NVIDIA的安装包，所以它一定会问你是否要安装驱动。这里一定要选择否，因为我们前面已经手动安装过了。

安装过程中其他的选项默认。

Anaconda是目前非常流行的一个python包管理器，自带很多流行的python库，包括numpy，pandas等，当然还有conda。而Conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

安装过程中会询问你，是否需要帮助软件添加的环境变量中，可以选择是，也可以自己手动添加，就像给CUDA添加环境一样。

conda常用命令

1. 创建一个虚拟环境

通过conda可以很方便的管理多个不同的环境，从而避免可能出现的版本问题。通常我们可以用create命令为pytorch建一个环境，为tensorflow建一个环境。

conda create -n 环境名称 python=python版本号一般3.6-3.7

2. 查看所有环境

通过conda可以查看所有的环境情况，便于更换环境与管理。

conda env list

可以看到我的电脑上有5个环境。

3. 删除一个虚拟环境

通过conda可以使用remove + 名称删除一个虚拟环境.

教材这里有一点小笔误 --all参数。

conda remove -n 环境名称 --all

4. 激活和退出

使用activate来激活指定环境，进行切换。

conda activate 环境名称

通过激活指定环境，我们可以在指定环境下安装包

首先需要在PyTorch官网上找到不同环境下的安装命令

上面的命令相当于通过conda帮你在当前环境中把pytorch及其所有的依赖库都安装好了。

除此之外，如果需要其他的库，根据需要，再使用pip命令安装到当前环境中即可

下载超时的解决办法

使用pip或conda时遇到下载龟速甚至超时失败的情况，可以通过更好国内源的方式解决

使用清华源给出的解决办法修改.condarc文件即可

最后在prompt中查看默认源即可

conda config --show channels

Pytorch在我的理解里和numpy很相似.

Pytorch是一个基于Python的科学计算包,主要面向两部分受众:

• 一个为了充分发挥GPU能力而设计的Numpy的GPU版本替代方案
• 一个提供更大灵活性和速度的深度学习平台.