PyTorch是一个开源的Python机器学习库,基于Torch,用于自然语言处理等应用程序。为帮助新手熟悉和使用pytorch,下面给大家介绍关于pytorch基本操作和安装等等,有这方面学习需要的朋友可以看看这篇。
PyTorch可以认为是一个Python库,可以像NumPy、Pandas一样被调用。PyTorch和NumPy功能是类似的,可以将PyTorch看作用在神经网络(深度学习)里的NumPy,并且加入了GPU支持的NumPy(原生NumPy不支持GPU)。目前,应用最广、热度最高的深度学习框架为PyTorch和TensorFlow。本系列先从PyTorch开始,后面有机会再去弄TersonFlow,还有时间的话,就再去系统回顾下之前学习的Caffe框架。
小结:PyTorch为深度学习框架,为NumPy的替代品,支持GPU,可以用来搭建和训练深度神经网络。
暂时确定:Anaconda、Jupyter Notebook。
1、Anaconda。
为了降低WSL在C盘下的负担,深度学习这块,准备在Windows下安装各种环境。Anaconda集成了许多优秀的开发工具。例如:Anaconda Navigator和Anaconda Prompt。前者是一个桌面图形界面,内部集成了很多开发工具,如Jupyter Notebook,VSCode。如果要启动某个软件,直接在界面的软件下Launch就行了。后者是Anaconda的终端,可在其中使用conda命令来管理Python库。conda是一个开源的软件包管理系统和环境管理系统,可以方便地管理Python的库函数以及创建虚拟环境。如果要启动该功能,直接在“开始”菜单找到就行了。
如何完成安装?
1.去这里下载对应版本的Anaconda包。
如果进去之后是一个Buy Now的购买界面,那很有可能就是因为挂了代理,速度跟不上,下载没成功,关掉就好。
2.下载好后双击exe程序。Next、I Agree、All Users操作后,选择安装的路径。装的时候提示路径有警告,我觉得是没啥问题的,但保险起见,还是装在没空格的地方。
3.Next后出现下面这个情况。这一步是非常重要的!!!需要理解下,不然后面使用Anaconda容易出现问题。
首先关于这段话:
Not recommended.Instead , open Anaconda3 with the Windows startmenu and select “Anaconda (64-bit)”.
This “add to PATH” option makesAnaconda get found before previously installed software,
but maycause problems requiring you to uninstall and reinstall Anaconda. 不推荐。相反,用Windows开始菜单打开Anaconda3,选择“Anaconda(64位)”。
这个“添加到PATH”选项会让你在之前安装的软件之前找到Anaconda,但可能会导致问题,需要你卸载并重新安装Anaconda。
按软件默认的推荐,是不要选中框1内容,将Anaconda添加到路径中。如果选中的话,会将Anaconda添加到系统路径中,这样,就得使用“开始”菜单的Anaconda Navigator或Anaconda命令提示符,来启动Anaconda,不然环境变量是错误的。但如果不选中,以后是可以随时将Anaconda添加到您的PATH中。这里选择不勾选,如果要在命令提示符下使用Anaconda,那就选中该框。由于电脑中没有Python的其他版本,这里直接默认3.8的。next、next并Finish后,完成安装。
如何测试安装?
测试安装的一种好方法是打开Jupyter Notebook。可通过Anaconda Prompt或Anaconda Navigator执行此操作。
1.找到Anaconda Navigator,然后单击Anaconda Navigator。
2.在Jupyter Notebook下,单击Launch。
3.为了在Windows下使用Anaconda中的软件,需要添加下环境变量。
打开命令提示符。运行jupyter notebook,如果出现这个问题,需要配置下路径。
只需要将之前安装时的路径,放到环境变量里的path中去。
几个非常有用的conda命令。
conda list 列出所有已安装的包 conda install pandas 安装包(比如这里安装Python的Pandas库) conda uninstall pandas 卸载包 conda update pandas
在项目开发过程中,由于需求不同,得下载各种不同的框架和库,版本间的差异也会不同,需要不断更新或卸载对应的库,管理非常麻烦。需要创建虚拟环境,来为不同的项目创建独立的空间,这个空间里安装的任何库和框架都是独立的,不会影响到外部环境。这时,就需要上面安装的Anaconda了。
1.打开Anaconda Prompt。在命令行中输入:
conda create --name lypytorch python=3.8
lypytorch是我的虚拟环境名称,可以自由命名。虚拟环境的运行需要一些库,安装完后,返回下面结果。
2.输入activate lypytorch进入虚拟环境。如果不想使用虚拟环境了,可以输入conda.bat deactivate来关闭当前虚拟环境(直接使用deactivate lypytorch不太行,会提示错误,一个坑点)。
3.浏览器中进入这个页面,进入Pytorch的官网后,点击Get Started进入下载页面。
在Compute Platform中,如果想用GPU计算,得选CUDA等来安装GPU版本的PyTorch。安装GPU版本的PyTorch,得先有块NVIDIA的GPU并且安装了显卡的驱动,并且在安装前,需要提前安装CUDA和CUDNN,这里我自己的电脑,虽然有显卡,但也不是很好的那种,就用CPU版本的。安装GPU版本的PyTorch需要硬件支持,而且准备工作非常多,推荐先使用CPU版本的PyTorch。其实,小规模的神经网络,PyTorch的运行速度并无比较大的区别。
在虚拟环境PyTorch中输入下面命令,就可以开始PyTorch的安装了。
conda install pytorch torchvision torchaudio cpuonly -c pytorch
4.新建的虚拟环境是没有Jupyter的,需要运行下面的指令来安装。
conda install jupyter
运行后的输出。
当然,除了Jupyter外,还可以根据需要使用conda命令安装其他的Python库。
5.安装完后进行测试。打开Anaconda Navigator,由于PyTorch安装在虚拟环境lypytorch中的,可以在Anaconda Navigator界面中的Applications on下拉列表框中选择lypytorch,然后,可以启动该环境下的Jupyter Notebook。
6.打开Jupyter Notebook后,输入import等指令来导入库。
import torch import torchvision torch.__version__
这里的torch是PyTorch的核心库,torchvision包是服务于PyTorch深度学习框架的,用来产生图片、视频数据集、一些流行的模型类和预训练模型。简言之,torchvision由torchvision.datasets、torchvision.models、torchvision.transforms和torchvision.utils四个模块组成。安装的时候,会同时安装了PyTorch和torchvision。结果如下面所示,表示运行成功。
Jupyter默认打开的路径不知跑到哪去了,需要修改下默认的启动路径。
1.虚拟环境下,运行下面指令查看配置文件路径。
jupyter notebook --generate-config
得到下面结果:
2.在Windows系统下,找到对应的文件。
3.打开后搜索到下面的代码,把注释去掉后,选择默认的工作路径。
## The directory to use for notebooks and kernels. #c.NotebookApp.notebook_dir = ''
这里D:\Jupyter_PyTorch是我的工作路径,可以修改成自己的。还得注意,指令前面是不能留空格的。同时自己的工作文件夹需要提前新建,否则Jupyter Notebook会找不到这个文件,会产生闪退现象。
4.更改完,再右键自己虚拟环境下的Jupyter快捷方式,点击属性,将“%USERPROFILE%”删除保存。
右键属性打开后删除对应的路径,并应用下。
5.修改完,可以直接点击程序运行,默认是打开虚拟环境下Jupyter,打开后,新建一个文件,导入一下PyTorch,保存一下,可以看到在之前的工作空间下,已经产生了保存的文件。
Note:
如果命令“jupyter notebook --generate-config”执行有错误,大多是因为没有配置环境变量导致的,需要先进行设置下。
关于pytorch的安装基本操作就分享到这里了,希望以上内容可以对大家熟悉和了解pytorch有一定的帮助,可以学到更多知识。如果想要了解更多pytorch的基本操作,可以浏览其他相关文章。
文本转载自脚本之家
相关阅读:
python怎样用pytorch做多项式回归?
python如何用pytorch实现线性回归?
python的print函数如何使用?一文带你搞懂
pytorch深度神经网络的概念如何理解?
pytorch函数学习之squeeze函数、cat函数的使用
pandas怎样实现一列和多列的数值排序?
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
长按识别二维码并关注微信
更方便到期提醒、手机管理