2.1 PyTorch的安装

俗话说，工欲善其事，必先利其器。在学习机器学习算法之前，需要做一些准备工作。本节首先学习PyTorch的安装方法，然后学习一些在PyTorch深度学习中常用的Python模块，在讲解过程中会给出详细的示例代码，希望读者能够自己一行一行实现书中的代码，这样有助于掌握书中介绍的知识。

PyTorch的安装有多种方法，但是技术进步非常快，一些安装方法随着PyTorch版本的更新、硬件技术的进步将不再适用。目前官网的安装方式已经相当方便，这里建议直接采用官网的安装教程，直接搜索PyTorch官网，然后根据PyTorch官网提示找到适合自己硬件的PyTorch版本和方法进行安装即可。

图2-1是PyTorch官网安装界面截图，这里给出的是PyTorch Stable（1.12.1）版本，该版本提供了Linux、Mac、Windows三种系统，Conda、Pip、LibTorch、Source四种安装方法，Python、C++/Java等PyTorch版本，CPU、CUDA 10.2、CUDA 11.3等CUDA环境。

图2-1　PyTorch官网安装界面

分别单击对应的选项就可以生成相应的安装命令，然后在自己的硬件环境运行对应的安装命令就可以安装了（这里默认读者已经具备初步的Python知识，掌握了Anaconda等，如果读者对这些内容不了解，请查阅相关教程学习补充相关知识）。

如果读者的CUDA环境为10.2，根据图2-1最下方的提示，PyTorch 1.12.1没有CUDA 10.2环境下对应的版本，这一点非常重要，读者在安装PyTorch之前需要先查看自己的CUDA版本，再选择合适的PyTorch版本进行安装。

如果读者的CUDA环境是11.3，可以根据图2-2自动生成的命令安装PyTorch 1.12.1，生成的安装命令为：

     conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

根据这个命令直接安装即可，系统会自动下载对应的安装包进行安装。

观察界面左下角并单击Previous versions of PyTorch，就可以看到PyTorch之前的版本，并可以选择适合自己的安装文件和命令。

图2-3是PyTorch官网上列出的PyTorch之前版本的列表，读者下拉官网的页面就可以找到各个版本的PyTorch，然后可以选择适合自己硬件环境的版本进行安装。

图2-2　PyTorch安装界面

图2-3　PyTorch官网上也列出PyTorch之前的版本

例如在Windows环境下使用conda安装只支持CPU的PyTorch v1.10.0，其安装命令为：

相信读者根据官网提示一定可以顺利安装PyTorch，需要注意显卡驱动和CUDA环境的配置，这些内容请参考相关资料。

以下的例2-1可以用来查看PyTorch是否安装成功，以及是否可以支持GPU进行计算。

【例2-1】　查看PyTorch版本，并查看PyTorch是否支持GPU进行计算。

输入如下代码：

     import torch
     print(torch.__version__)
     print(torch.cuda.is_available())

运行结果如下：

     1.12.1+cu113
     True

观察运行结果，显示了已经安装的PyTorch的版本号，说明PyTorch已经安装成功，并且torch.cuda.is_available()的返回结果是True，说明已经安装的PyTorch可以支持GPU进行计算。