本篇文章为大家展示了如何进行Pytorch开发环境搭建，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
专注于为中小企业提供成都网站制作、成都网站设计、外贸营销网站建设服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业江宁免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了近1000家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
目前的深度学习框架很多，如Tensorflow、Pytorch、Keras、FastAI、CNTK等等，这些框架各有优缺点，尤其是Tensorflow和Pytorch，使用都非常广泛，那么应该如何进行选择呢？这应该是每一位即将开始学习深度学习的童鞋比较困惑的问题。下面先看看github上各种框架的一个使用统计
动态计算图
用法跟python更接近，比tensorflow更容易上手
有助于理解深度学习的核心
pytorch需要定义网络层、参数更新等步骤，可以帮助我们深刻理解深度学习
动态图机制
动态图机制在调试方面非常方便
易于上手
快速上手，学会后很容易切换到其它框架
这里我们使用anaconda这个集成环境，关于anaconda，我们前文 https://xugaoxiang.com/2019/12/08/anaconda/ 已经介绍过了，不了解的童鞋可以去看看。有了python环境，我们接下来创建一个专门为使用pytorch的虚拟环境
conda create -n pytorch2.6 python=3.7
conda activate pytorch2.6
到nvidia官网 https://www.nvidia.cn/Download/index.aspx?lang=cn 下载驱动文件
安装文件下载完成后，进行傻瓜式安装，最后来确认下是不是安装成功。方法是，打开 任务管理器 --> 性能 --> GPU 0
来到官网 https://pytorch.org/get-started/locally/，选择PyTorch Build为稳定版1.6.0、操作系统选择windows、Package使用pip、Language选择Python、CUDA选择10.1，这些都是需要根据自己的实际情况进行选择。可以看到，前面步骤中我们并没有单独安装CUDA，因为pytorch的安装过程中顺便把CUDA也安装好了，这点非常棒。
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
如果没有GPU环境，安装命令是
pip install torch==1.6.0+cpu torchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
(pytorch2.6) PS C:\Windows\system32> python
Python 3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.__version__
'1.6.0+cu101'
>>> torch.cuda.is_available()
True
>>>
另外，可以通过nvidia-smi命令来查看当前进程使用GPU资源的情况
上述内容就是如何进行Pytorch开发环境搭建，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。
