1. 写在前面

今天开始，兼顾Pytorch学习， 如果刚刚接触深度学习并且想快速搭建神经网络完成任务享受快感，当然是Keras框架首选，但是如果想在深度学习或人工智能这条路上走的更远，只有Keras就显得有点独木难支，这时候我们需要一个更加强大的框架，这里我想学习Pytorch，它代码通俗易懂，接近Python原生，学起来也容易一些，所以接下来会整理自己在快速入门Pytorch道路上的所见所得，这个系列会有8篇理论+实战的文章，也是我正在学习的B站上的Pytorch入门实战课程，我会把学习过程的笔记和所思所想整理下来，也希望能帮助更多的人进军Pytorch。想要快速学习Pytorch，最好的秘诀就是手握官方文档，然后不断的实战加反思。

如果想真正的理解知识，那么最好的方式就是用自己的话再去描述一遍， 通过这个系列，我相信能够打开Pytorch的大门，去眺望一个新的世界。

今天是本系列的第一篇文章，这个不是课程的内容，算是准备工作吧。 因为课程的第一天就是Pytorch实战，但是在实战之前，我们需要先搭建好Pytorch的环境。 所以今天分享的是Windows下的Pytorch环境手把手搭建（因为我觉得大部分像我一样的小白都是Windows系统，所以为了先学习Pytorch，我们可以先在Windows上搭建环境，学起来再说，但Linux肯定是必学的，后期可以自己补）， 这次安装直接是从anaconda到pycharm到Pytorch一条龙，接下来的实战再也不用为环境担忧。

分享如下：

• anaconda安装
• pycharm安装
• Pytorch安装

OK， let’s go!

2. Anaconda安装

Anaconda是为方便使用Python而建立的软件包，其包含250多个工具包，多版本的Python解释器和强大的虚拟环境工具，所以Anaconda是Python的全家桶。 Anaconda可以使安装，运行和升级环境变得更简单，所以初步学习Python，这一个就足够了。

Windows下的Anaconda安装，是所谓的傻瓜式安装，步骤如下：

• 官网下载安装包
  不知道啥原因，从官网上下载速度很慢，所以我把所有用到的安装包打包好了，后面会给出链接。
  
  下载之后，点击Anaconda3-2019.07-windwos-x86_64.exe这个安装文件进行安装，选择路径，勾选加入环境变量，等待安装完成即可（这些和普通软件安装一样，一路回车操作）
  验证安装成功： 打开命令行，输入conda，回车。看是否能进入conda环境。

3. Pycharm安装

Pycharm是一款强大的PythonIDE，拥有调试，语法高亮，Project管理，代码跳转，智能提示，版本控制等功能。

安装步骤：

1. 官网下载安装包（我后面有打包好的）
   
2. 运行pycharm-porofessional-2019.2.2.exe
3. 选择路径，勾选加入环境变量，等待安装完成（也是一路回车）

激活步骤：

• 下载破解补丁（我后面打包好了）
• 将破解文件中的jar文件复制到pycharm的bin目录中
  
  
• 然后打开pycharm，建立一个新的项目
  
• 创建完毕之后，点击help，在一个选项里面选择VM Options，打开这个文件，在文件的最后一行添加破解命令，破解命令需要pycharm安装目录和破解补丁文件名（不要写错）

• 然后重新打开pycharm，在help-register里面进行激活
  
  需要注册，勾选第三个，会自动有个address，点击激活
  
  激活成功标志：右下角的那个提示。
  

4. Pytorch安装

这个安装就有点麻烦了，一步一步的跟紧了哈。

首先先安装CUDA和CuDNN, 这俩是干啥的？ 简单的说，CUDA是一个并行运算的一个计算平台，而CuDNN是在上面的一个深度神经网络的GPU加速库。
安装步骤：

1. 检查是否有合适的GPU， 若有，需安装CUDA和CuDNN
2. CUDA和CuDNN安装(后面这个非必须，这是个GPU加速库)
3. 下载whl文件， 登录https://download.pytorch.org/whl/torch_stable.html，命名解释：
   
   然后下载Pytorch与torchvision的whl文件，进入相应虚拟环境通过pip安装
4. 在pycharm中创建hello pytorch项目，运行脚本，查看Pytorch版本

上面是总体的步骤描述， 下面跟着我一步一步操作

• 首先，下载cuda和cuDNN。去Pytorch官网，点击getstarted看看支持的cuda版本
  
  选择9.2版本进行下载，进入下载页面
  
  下载完成之后，进入cuDNN的下载，这个需要登录账号下载
  
  注册账号，登录下载， 选择相应的版本（要支持你的cuda）
  

• cuda和CUDNN下载完毕，下面安装cuda
  点击安装包，进行默认安装，最后取消创建快捷方式
  
  
  检测cuda是否安装成功
  

  首先进入到cuda的安装路径下，复制bin的路径
  
  win+r 输入cmd进入命令行窗口 切换到安装路径下，执行nvcc -V查看
  
  这样，cuda安装成功

• 下面安装cudnn
  接下来解压cudnn的压缩包，会出来个cuda文件夹，将里面的三个文件夹复制到cuda的安装 目录下
  
  
  然后进入到一个demo这个文件夹（具体路径看图片上面）
  
  把这个路径复制， 然后转入命令行，进入这个文件目录，执行两个程序，查看是否cudnn安装成功
  
  有PASS，说明安装成功
  
  查询设备，输入命令：deviceQuery.exe
  

• 接下来安装Pytorch
  还是进入官网，点击getstarted
  
  往下拉，选择好相应的版本，会有一个网站，复制这个网站
  
  去这个网站，里面有很多版本的torch（命名上面介绍过）
  
  采用搜索的方式，找到我们想要的那个版本，点击下载
  
  同样的方式，我们去搜索torchVersion的安装文件， 选择最下面那个下载
  
  然后打开pycharm，创建新的项目
  
  
  在这个新的项目里面，建一个py脚本
  
  然后进行测试，但是在测试之前，需要用conda创建一个虚拟环境，下面选中的是Terminal，才能输入命令
  
  我们创建的虚拟环境叫做pytorch_gpu， 然后activate激活虚拟环境
  
  然后进入到下载目录，就是下载Torch的那个目录， 用pip命令安装那两个.whl的文件 （tab文件自动补全）
  
  然后将anaconda和pycharm进行关联 文件-设置-项目解释器-add
  
  点击anaconda的环境，选择已经存在的环境
  
  然后找到pytorchGPU训练环境的文件夹，anaconda安装在C盘program data，这是一个隐藏文件，所以点击上面那个眼状的图标将隐藏文件显示
  
  进入program Data 找到anaconda3
  
  点击，进入envs这个文件夹，选择创建的虚拟环境，进去
  
  会看到有个python.exe解释器，选择，点击OK
  
  这样就把pytorchGPU这个虚拟环境关联到了当前项目来
  
  然后运行前面的测试代码，看到pytorch的安装版本，说明安装成功
  
  接下来可以检测是否支持GPU，TRUE说明GPU是可用的
  

至此，Pytorch环境搭建完成，并安上了一个好使的pycharm，后就可以使用pycharm进行实战了。

当然，anaconda里面也有自带的jupyter notebook， 如果想用的话，我们激活创建的虚拟环境，打开jupyter notebook（如果没有的话在虚拟环境中pip install jupyter notebook一下）这样就可以用jupyter notebook进行后面的实战了。 anaconda的好处就是，如果发现实战中提示没有安装哪个包，迅速在虚拟环境里面pip install 相应的包名就可以搞定啦。

5. 总结

这篇文章是后面Pytorch实战的准备工作，手把手教大家完成Pytorch环境的搭建，安装过程挺繁琐，但是安装完成之后，后面的工作就轻松很多。 这个过程我是在我电脑上试过之后进行的总结，所以应该可以适用于更多电脑。

上面的安装包除了那两个.whl的文件，我也都打包好了，这个是我电脑上按得版本，如果嫌下载麻烦也可以用（但是不能保证最新了哈）
链接：https://pan.baidu.com/s/16yqZFn40wE2qtA8dlLqqGA
提取码：v5hw

好了，后面就真正进入Pytorch实战过程了，第一节课会串Pytorch的基本知识，然后手把手先从numpy开始搭建神经网络，然后一步一步的用Pytorch进行替换numpy里面的步骤，慢慢转成Pytorch版本，这个过程你会感觉到Pytorch的强大和代码的简洁。 最后，会把这节课的知识进行融合，用Pytorch搭建神经网络然后训练他玩一个小游戏！

哈哈，是不是光听这个过程就激动兴奋了啊， 那么就赶快搭建好环境，进入下一节课吧！

最后分享老师说的Pytorch大神的修炼之路：