2.2 安装配置

安装PyTorch时，请核查当前环境是否有GPU，如果没有，则安装CPU版；如果有，则安装GPU版本的。

2.2.1 安装CPU版PyTorch

安装CPU版的PyTorch比较简单，由于PyTorch是基于Python开发，所以如果没有安装Python需要先安装，然后再安装PyTorch。具体步骤如下：

1）下载Python：安装Python建议采用Anaconda方式安装，先从Anaconda的官网（https://www.anaconda.com/distribution），下载Anaconda3的最新版本，如图2-1所示，如Anaconda3-5.0.1-Linux-x86_64.sh，建议使用3系列，3系列代表未来发展。另外，根据下载时自己的环境，选择操作系统等。

2）在命令行执行如下命令，开始安装Python：

Anaconda3-2019.03-Linux-x86_64.sh

3）接下来根据安装提示，直接按回车即可。其间会提示选择安装路径，如果没有特殊要求，可以按回车使用默认路径（~/anaconda3），然后就开始安装。

4）安装完成后，程序会提示是否把Anaconda3的binary路径加入当前用户的.bashrc配置文件中，建议添加。添加以后，就可以使用Python、IPython命令时自动使用Anaconda3的Python环境。

5）安装PyTorch：

登录PyTorch官网（https://PyTorch.org/），登录后，可看到图2-2所示界面，然后选择对应项。

把第⑥项内容复制到命令行，执行即可进行安装。

conda install PyTorch-cpu torchvision-cpu -c PyTorch

6）验证安装是否成功：

启动Python，然后执行如下命令，如果没有报错，说明安装成功！

2.2.2 安装GPU版PyTorch

安装GPU版本的PyTorch稍微复杂一点，除需要安装Python、PyTorch外，还需要安装GPU的驱动（如英伟达的NVIDIA）及CUDA、cuDNN计算框架，主要步骤如下：

1）安装NVIDIA驱动。

下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

登录可以看到界面如图2-3所示。

选择产品类型、操作系统等，然后点击“搜索”按钮，进入下载界面。

安装完成后，在命令行输入“nvidia-smi”，用来显示GPU卡的基本信息，如果出现图2-4所示界面，则说明安装成功。如果报错，则说明安装失败，请搜索其他安装驱动的方法。

2）安装CUDA。

CUDA（Compute Unified Device Architecture），是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构，它能利用英伟达GPU的并行计算引擎，比CPU更高效地解决许多复杂计算任务。安装CUDA Driver时，其版本需与NVIDIA GPU Driver的版本一致，这样CUDA才能找到显卡。

3）安装cuDNN。

NVIDIA cuDNN是用于深度神经网络的GPU加速库。注册NVIDIA并下载cuDNN包，获取地址为https://developer.nvidia.com/rdp/cudnn-archive。

4）安装Python及PyTorch。

这步与本书2.2.1节安装CPU版PyTorch相同，只是选择CUDA时，不是None，而是对应CUDA的版本号，如图2-5所示。

5）验证。

验证PyTorch安装是否成功与本书2.2.1节一样，如果想进一步验证PyTorch是否在使用GPU，可以运行下面这一段测试GPU的程序test_gpu.py，如果成功的话，可以看到如图2-6的效果。

#cat test_gpu.py
import torch
if __name__ == '__main__':
    #测试 CUDA
    print("Support CUDA ?: ", torch.cuda.is_available())
    x = torch.tensor([10.0])
    x = x.cuda()
    print(x)
    y = torch.randn(2, 3)
    y = y.cuda()
    print(y)
    z = x + y
    print(z)
   # 测试 CUDNN
    from torch.backends import cudnn
    print("Support cudnn ?: ",cudnn.is_acceptable(x))

在命令行运行以下脚本：

python test_gpu.py

如果可以看到如图2-6或图2-7所示的结果，则说明GPU版PyTorch安装成功！

在命令行运行：nvidia-smi，可以看到如图2-7所示的界面。