2.2　PyTorch的安装

我们在第1章中已经介绍了Anaconda的安装和使用，下面将介绍在Anaconda环境下安装PyTorch的方法。

首先，我们为PyTorch创建一个虚拟环境。创建虚拟环境是一个好的编程习惯，因为在实际项目开发过程中，我们通常会根据自己的需求去下载各种框架和库，但是可能每个项目使用的框架和库并不一样，或使用的版本不一样，这时就需要根据需求不断地更新或卸载相应的库，管理起来相当麻烦。创建虚拟环境相当于为不同的项目创建一个独立的空间，在这个空间里安装的任何库和框架都是独立的，不会影响到外部环境。

因为安装了Anaconda，所以创建虚拟环境变得很简单，可以使用Anaconda Prompt来创建。

首先打开Anaconda Prompt。在命令行窗口中输入以下代码：

　　　> conda create --name pytorch python=3.7

注意，这里的pytorch是虚拟环境的名称，可以自由命名。创建完成之后，可以输入以下命令，进入虚拟环境pytorch：

　　　> activate pytorch

注意，不想使用PyTorch时，可以输入deactivate pytorch关闭当前虚拟环境。

进入该虚拟环境之后，我们就可以安装PyTorch了。首先在浏览器中输入https://pytorch.org/，进入PyTorch的官网。然后单击Get Started，进入下载页面。PyTorch支持Windows、Mac、Linux操作系统，只需按照提示，选择PyTorch版本、操作系统、Python版本、CUDA版本等选项，然后Run this Command区域就会显示需要的安装命令，如图2-2所示。

这里需要注意的是，如果想选择安装GPU（Graphics Processing Unit）版本的PyTorch，CUDA就不能设置为None。安装GPU版本的PyTorch，首先计算机需要有一块NVIDIA的GPU显卡并安装了显卡驱动。在安装PyTorch之前，需要提前安装CUDA和CUDNN。这里就不再对CUDA和CUDNN的安装进行介绍了，感兴趣的读者可自行学习安装方法。

因为安装GPU版本的PyTorch需要有硬件支持，而且准备工作较多，因此，本书推荐安装CPU版本的PyTorch。其实，只有比较复杂的神经网络，GPU版本和CPU版本PyTorch的运行速度差异较大。一般规模的神经网络，两者的运行速度并无较大的区别。注意，本书的所有代码都可以在CPU版本的PyTorch上运行，有的运行时间较慢，但并无大碍。当然，如果计算机上有GPU，也可以安装GPU版本的PyTorch。

以Windows操作系统为例，安装CPU版本的PyTorch时，Run this Command中显示的命令如下：

　　　conda install pytorch-cpu torchvision-cpu -c pytorch

接下来，我们只需要在虚拟环境pytorch中输入上面这条命令，就可以顺利完成PyTorch的安装。

注意，新建的虚拟环境pytorch是没有Jupyter的，所以，我们需要在该环境下输入以下命令安装Jupyter：

　　　conda install jupyter

除了Jupyter之外，还可以根据需要使用conda命令安装其他的Python库。

安装工作完成后，如何验证PyTorch是否安装正确呢？打开Anaconda Navigator，因为PyTorch是安装在虚拟环境pytorch中的，所以在Anaconda Navigator界面的Applications on下拉列表框中选择pytorch，然后启动该环境下的Jupyter Notebook，如图2-3所示。

打开Jupyter Notebook之后，输入import语句，如果没有报错，就说明PyTorch已经安装成功了。也可以在Jupyter Notebook中查看安装的PyTorch的版本，如图2-4所示。

这里，可能有的读者会问为什么有torch和torchvision？torch就是PyTorch的核心库，torchvision包是服务于PyTorch深度学习框架的，用来生成图片、视频数据集、一些流行的模型类和预训练模型。简单来说，torchvision由torchvision.datasets、torchvision.models、torchvision. transforms、torchvision.utils四个模块组成。安装的时候，我们同时安装了PyTorch和torchvision。后面的章节中，我们还会介绍。