软硬件环境

• windows 10 64bit
• cuda 10.1
• pytorch 1.6
• anaconda with python 3.7
• nvidia geforce 1660

简介

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

选择pytorch的几大理由

• 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

安装python环境

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

安装nvidia驱动

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

安装pytorch

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

验证pytorch环境

(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