PyTorch - 02 - PyTorch安装-快速简便
准备安装PyTorch
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本集中，我们将介绍安装PyTorch所需的先决条件。 事不宜迟，让我们开始吧。
使用Anaconda和Conda安装PyTorch
PyTorch入门非常容易。 推荐的最佳选择是使用Anaconda Python软件包管理器。借助Anaconda，可以轻松获取和管理Python，Jupyter Notebook和其他用于科学计算和数据科学的常用软件包，例如PyTorch！让我们来看一下步骤：
- 下载并安装Anaconda（选择最新的Python版本）。
- 转到PyTorch的站点并找到本地入门部分。
- 为您的特定环境指定适当的配置选项。
- 在终端中运行显示的命令以安装PyTorch。
对于示例，假设我们具有以下配置：
| 项目 | Value |
|---|---|
| OS | Windows |
| Package Manager | Conda |
| Python | 3.7 |
| CUDA | 10.2 |
在这种情况下，我们有以下命令：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
请注意，我们同时安装了PyTorch和Torchvision。 另外，无需单独安装CUDA。 如果在步骤（3）中选择了CUDA版本，则PyTorch将安装所需的CUDA软件。 如果我们的系统上有受支持的Nvidia GPU，我们要做的就是选择CUDA版本。
conda list torch
# packages in environment at C:\Users\deeplizard\Anaconda3:
#
# Name Version Build Channel
pytorch 1.7.0 py3.6_cuda102_cudnn7_0 pytorch
torchvision 0.8.1 py36_cu102 pytorch
Jupyter Notebook和VS Code（可选）
在本系列中，我们将使用以下软件来编写，调试我们的代码：
- Visual Studio代码-集成开发环境
- Jupyter Notebook-交互式环境
安装Visual Studio Code后，您还需要安装Python插件。 这是通过VS Code内部的“插件”部分完成的。
我们将主要使用VS Code调试我们的代码。 VS代码使调试我们的代码和检查我们的对象变得非常容易。 这对于探索PyTorch源代码也很有用。 源代码的导航功能非常强大。
在本系列的第二部分之前，我们将不使用VS代码，并且我们大部分时间都将花费在Jupyter笔记本中。 我们会自动安装带有Anaconda的Jupyter Notebook。 这些工具都不是必需的，但是它们确实使我们作为开发人员的生活更加轻松。
验证PyTorch安装
为了验证我们的PyTorch安装已准备就绪并且可以编写代码，我们将在笔记本中进行此操作。 为了组织项目的各个部分，我们将创建一个名为PyTorch的文件夹并将所有内容放入此文件夹中。
验证安装的步骤：
- 要使用PyTorch，我们需要导入PyTorch。
import torch
- 要检查版本，请使用torch .__ version__
torch.__version__
现在，要验证我们的GPU功能，我们使用torch.cuda.is_available（）并检查cuda版本。
> torch.cuda.is_available()
True
> torch.version.cuda
'10.2'
如果torch.cuda.is_available（）调用返回false，则可能是因为您的系统上没有安装受支持的Nvidia GPU。 不过，请放心，使用PyTorch或遵循本系列教程不需要GPU。
即使没有GPU，我们也可以在合理的时间内获得非常好的结果。 如果您有兴趣检查Nvidia GPU是否支持CUDA，则可以在此处进行检查。