【Pytorch-入门】windows下的环境搭建（经验证成功~）

前言

实验须要，以前使的tensorflow【由于本身手边的服务器都是windows环境TT...】，但身边的师兄们用的都是pytorch，本身查了查如今作科研基本上都是用的pytorch，并且如今pytorch的windows版本也已经很成熟了，fastai深度学习库也受到了普遍的好评，因此...果断转！

环境搭建-windows-gpu版：

入门嘛固然是先搭建环境啦，网上资料蛮多的，这里我就记录一下个人搭建过程吧：

1、版本选择：

网上看看，如今pytorch最新版的都是1.0了哇，然而不少开源的项目用的还都是0.4版的，如今刚入门，仍是基础为主，就选择最新版pytorch1.0吧！

2、系统需求：

一、Python:3.6及以上

二、操做系统环境：windows

系统	GPU	CPU
linux	binary	binary
mac	source	binary
windows	source	source

备注： binary = 直接能够安装, source = 必须从源码编译

3、经过Anaconda安装：

以前没安装过Anaconda的须要安装好以后再进行以后的操做！[教程网上不少（有的也很坑，慎重选择！），这里再也不赘述]

这里由于俺以前摸爬滚打，入了不少坑，因此有些操做就只简单解释一下，若是不懂能够本身查查或者留言~

一、使用Anaconda建立虚拟环境【防止出现你以前的许多包or环境与Python,PyTorch以及其余包的版本出现不兼容等玄学问题！】：

• 查看当前存在哪些虚拟环境：conda env list 或 conda info -e

​

•  建立python虚拟环境： 

使用 conda create -n your_env_name python=X.X（2.七、3.6等） anaconda 命令建立python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件能够在Anaconda安装目录envs文件下找到。
# 指定python版本为3.6，注意至少须要指定python版本或者要安装的包# 后一种状况下，不指定python版本，自动安装最新python版本
conda create -n env_name python=3.6
# 同时安装必要的包
conda create -n env_name numpy matplotlib python=3.6

•  激活建立的虚拟环境：Windows: activate your_env_name(虚拟环境名称)，这是使用python --version能够检查当前python版本是否为想要的。

​

 二、在当前虚拟环境下经过conda安装pytorch：

若是和我同样准备安装的是gpu版的，注意必定要检查你的cuda版本，确保和你的系统保持一致。通常推荐的是cuda9.0版的【相对最新版要稳定的多】，若是没安装cuda，能够自行安装后再进行以后的步骤，推荐按照官网教程来：win10+cuda9.0+cuDNN 7.0+TensorFlow-gpu install steps【必定要注意版本匹配的问题！】：

• 进入以前配置好的虚拟环境中：activate -虚拟环境名称（若是你忘记了以前的虚拟环境名称，输入：conda env list）
• 安装每日编译 nightly 的 PyTorch，注意 cuda 的版本要和你本身的系统保持一致，好比在 CUDA 9.2 上安装：

conda install -c pytorch pytorch-nightly cuda92

• 若是你的系统没有安装 cuda，那么能够经过下面的命令安装 cpu 版本的 PyTorch：

conda install -c pytorch pytorch-nightly-cpu

 安装 fastai：

conda install -c fastai fastai

• 若是安装过程有什么问题，请确保你的 conda 版本已经更新到最新： 

conda update conda

三、安装成功后的测试：

由于是gpu版的，并且在windows上安装，不免会有许多玄学bug出现，这时是否能用，就要测试一下啦：

一样在以前的cmd虚拟环境中输入：

import torch    # 如正常则静默

a = torch.Tensor([1.]) # 如正常则静默 a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')" from torch.backends import cudnn # 如正常则静默 cudnn.is_acceptable(a.cuda()) # 如正常则返回 "True"

​