任务内容：
- Pytorch简介
- Pytorch的安装步骤
1. Pytorch简介
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络。（这一点是现在很多主流框架如TensorFlow都不支持的。）
-
Pytorch具有以下的优势：
- 代码简洁，上手快
- 参考资料多
- 开源项目多，有较多的实践机会
-
Pytorch相关资源：
Pytorch官方网站：PyTorch
Pytorch官方文档：PyTorch documentation — PyTorch 1.11.0 documentation
Pytorch官方教程中文版： PyTorch官方教程中文版
Pytorch的一些示例：https://github.com/pytorch/examples
Pytorch中文讲解课程： 深入浅出PyTorch — 深入浅出PyTorch
(B站配套视频：https://www.bilibili.com/video/BV1L44y1472Z ）
Pytorch手中书： https://github.com/zergtant/pytorch-handbook
Pytorch官方社区：PyTorch Forums
github 上 pytorch 相关内容的综合列表，例如不同的模型、实现、帮助库、教程等。 GitHub – bharathgs/Awesome-pytorch-list: A comprehensive list of pytorch related content on github,such as different models,implementations,helper libraries,tutorials etc.1
2. Pytorch安装（WindowsAnaconda3环境）
Pytorch主要使用Anaconda3进行管理，需要前期先安装好Anaconda3环境。
2.1 Anaconda的安装
Anaconda的详细安装教程可以参考这个：
（由于本人的电脑中已经安装了完整的Anaconda，这里便不方便做详细介绍了，可以参考上述的教程安装Anaconda）
Anaconda安装完成后，可以在电脑开始页面中找到Anaconda3 文件夹，打开后找到 Anaconda Prompt。打开后是如下的界面：
在Anaconda Prompt中，可以进行以下的操作:
- 查看当前已经安装好的虚拟环境：
在Anaconda Prompt中输入下述的语句，查看当前安装好的虚拟环境
conda env list
从上面可以看到当前已经有四个环境存在了。（我已经新建好了“Pytorch”的虚拟环境，大家可以使用下面的语句来建立新的Pytorch 虚拟环境）
- 创建虚拟环境：
conda create -n env_name python=version注意：这里Python版本的选择建议选择3.6-3.8。因为python版本过高或者过低都容易造成相关库不适配的情况。
上述语句中的“env_name”是指你的虚拟环境名称，可以自行设置。
- 删除虚拟环境
conda remove -n env_name --all
这边建议如果没啥大事，不要随意删除已经建立好的虚拟环境。
因为删除虚拟环境容易导致./condarc文件中的信息产生缺失，影响后续其他虚拟环境的建立。
- 激活虚拟环境
conda activate env_name
- 退出当前虚拟环境
conda deactivate
2.2 Pytorch的安装
基于之前已经建立好的专供安装Pytorch的虚拟环境，我们正式开始Pytorch的安装。
如果之前的虚拟环境已经退出了，需要使用语句进行激活。全部的安装过程都在Anaconda Prompt下进行。
##激活安装Pytorch的虚拟环境
conda activate pytorch
即：
conda activate 你的虚拟环境名称
Step1: 查看显卡（GPU）
这里的目的是查看电脑中是否有独立显卡。如果有独立显卡，且支持CUDA的话，可以安装GPU加速的Pytorch。如果电脑没有独立显卡或者是集成显卡的话，这一步可以忽略，直接安装CPU加速的Pytorch即可。
在WINDOWS系统中，可以使用打开任务管理器或者直接打开NVIDIA控制面板即可查看自己是否具有独立显卡以及其对应的型号。
在上面的两张图片中，可以看到我的电脑具有独立显卡，且显卡的版本为：GeForce MX250。查找到显卡的对应型号之后，需要继续查看显卡是否支持CUDA。
方法：打开NVIDIA控制面板，依次点击“帮助”——>“系统信息”——>“组件”
上述红框中，即表示的是电脑支持的CUDA 版本。这里，我的CUDA版本为10.0。这里需要记录一下，因为后续Pytorch的安装中需要使用。
Step2: Pytorch安装
首先，登录Pytorch的官方网站：PyTorch （可以直接点击下面给出的安装页面）
点击页面封面上的Intsall，进入安装页面：Start Locally | PyTorch （这里的页面是本地安装）
这个界面我们可以选择本地开始（Start Locally），云开发（Cloud Partners)，以前的Pytorch版本（Previous PyTorch Versions），移动端开发（Mobile），在此处我们需要进行本地安装。
然后，向下滑动，在页面中选择好自己电脑对应的版本，复制下方的conda语句至Anaconda Prompt中运行。
（上方图中的表格中，Stable是代表稳定版本，Preview代表的是先行版本。）
如果电脑有显卡，则选择CUDA的对应版本进行安装。如果电脑显卡配置不高或者没有显卡，则直接选择CPU版本进行安装。
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch注意：上面的 -c pytorch 表示从官网直接下载。如果更换了下载源，-c pytorch需要删除。
由于本人电脑所支持的CUDA版本小于10.2，于是需要进行手动降级。
在GitHub – bharathgs/Awesome-pytorch-list: A comprehensive list of pytorch related content on github,such as different models,implementations,helper libraries,tutorials etc.1 中查找CUDA对应的pytorch版本。cudatoolkit = 电脑的适应版本，需要保持pytorch和cudatoolkit版本适配。
MX250的对应运行语句为：
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch但是上述语句运行后，出现报错。
在网上查找了一些其他的安装教程之后，有建议分来依次安装CUDA，cuDNN等，但是在我的电脑上依旧不成功，仍是出现报错。（有可能是我的显卡太拉了，，，）
上面的安装步骤算是踩坑实录了，暂时还没有什么好的解决报错办法。
欢迎大神在评论区指导~~~
安装简易的Pytorch：
由于上述安装GPU版本的Pytorch出现了很多的错误，于是在Anaconda Prompt中前置创建的Pytorch虚拟环境中可以使用下述语句简易安装Pytorch(CPU)版本。
pip install torch
上面显示安装成功。于是可以在Anaconda Prompt中启动Python来检验安装是否成功。
在当前虚拟环境中，输入下述，启动Python
python
启动python后，在当前的虚拟环境中输入下述的语句进行检验：
import torch
torch.cuda.is_available()False上述这条命令目的是检验是否可以调用cuda，一般这个命令不报错就说明当前Pytorch已经安装成功了。如果安装的是GPU版本，能够调用GPU的话，就会返回True。如果安装的是CPU版本，就会返回False。
在这里，并没有报错，说明已经安装成功。同时，返回的值是False，说明不能调用GPU，使用的是CPU版本的Pytorch。
至此，Pytorch的安装已经告一个段落了。（真不容易啊。。。）
请关注后续的Pytorch学习内容更新吧~~
文章出处登录后可见！
