PyTorch

一、简介

PyTorch 是一个开源的深度学习框架。它以动态计算图著称，这种特性带来了开发的灵活性与直观性。具有 Pythonic 风格的 API，易用性强，加上丰富的文档和活跃的社区支持，便于开发者上手。PyTorch 能高效利用 GPU 加速计算，还支持分布式训练。其应用十分广泛，在计算机视觉如图像分类、目标检测，以及自然语言处理如文本分类、机器翻译等众多任务中都发挥着重要作用。

二、安装前准备

2.1 Anaconda

建议通过 Anaconda 进行安装，Anaconda 会自动处理 PyTorch 安装所需的所有依赖关系，包括必要的 DLL 文件和 Visual C++ Redistributable 包：Anaconda

2.2 安装命令

访问 PyTorch 的官方网站 PyTorch Get Started ，了解安装命令。

​​

这里主要注意一下"Compute Platform"这一栏，指的是 CUDA 的版本，CUDA 的版本查看方式在四、安装GPU版（二选一）中会介绍，如果没有显卡建议 不装 安装 CPU 版。

三、安装 CPU 版（二选一）

打开 Anaconda 终端，创建一个虚拟环境：

conda create -n env_pytorch python=3.11

等待虚拟环境创建完成后，激活虚拟环境：

conda activate env_pytorch

激活后可以看到虚拟环境的命令提示符前缀：

​​

执行官网给出的命令，使用 Conda 安装：

​​

验证安装成功：

pip show torch

python -c "import torch; print(torch.__version__)"

​​

四、安装 GPU 版（二选一）

4.1 安装 CUDA（可选）

CUDA（CUDA compute unified device architecture）是 NVIDIA 推出的一种并行计算平台和编程模型，用于在 NVIDIA 的 GPU 上执行高性能计算任务。

查看 CUDA 显卡驱动版本，打开 cmd 终端，输入命令：

nvidia-smi

可以查看到 CUDA 显卡驱动版本：

​​

从官网的安装命令可以看到推荐的 CUDA 版本是 11.8，由于我的显卡比较落后，只能选择使用 CPU 安装方式。

如果驱动版本支持，从官网下载对应的 CUDA 版本：CUDA Toolkit Archive | NVIDIA Developer

4.2 安装 PyTorch

打开 Anaconda 终端，创建一个虚拟环境：

conda create -n env_pytorch python=3.11

等待虚拟环境创建完成后，激活虚拟环境：

conda activate env_pytorch

激活后可以看到虚拟环境的命令提示符前缀：

​​

执行官网给出的命令，使用 Conda 安装，选择 CUDA 版本为 11.8，复制安装命令到命令行执行。

等待安装完成后，验证安装成功：

pip show torch

python -c "import torch; print(torch.__version__)"

​​

附 问题清单

1. 导入 PyTorch 时报错 OSError: [WinError 126] 找不到指定的模块：

C:\Users\31225>python -c "import torch; print(torch.__version__)"
Traceback (most recent call last):
  File "<string>", line 1, in <module>
  File "C:\Users\31225\AppData\Roaming\Python\Python311\site-packages\torch\__init__.py", line 141, in <module>
    raise err
OSError: [WinError 126] 找不到指定的模块。 Error loading "C:\Users\31225\AppData\Roaming\Python\Python311\site-packages\torch\lib\fbgemm.dll" or one of its dependencies.

C:\Users\31225>

解决方案：

1. 确认 PyTorch 是否安装:
2. 确保你的环境变量 PATH​ 包含了 Python 的 Scripts 目录和 PyTorch 的安装目录。这样可以确保系统能找到 PyTorch 相关的 DLL 文件。
3. ​fbgemm.dll​ 是一个动态链接库文件，它是 Facebook 开源的高性能数学库 FBGEMM 的一部分。FBGEMM 主要用于在 CPU 上进行矩阵乘法和卷积计算，特别优化了低精度数据类型的运算，以实现与单精度（FP32）相当的精度，同时提供更高的效率。这个库被用于 PyTorch 框架中，作为量化操作的后端，以提高在 x86 机器上运行量化推理的性能。
4. 一般原因是系统可能缺少必要的 C++ 运行时库。

‍