# 1.2 PyTorch的安装

PyTorch的安装是我们学习PyTorch的第一步，也是经常出错的一步。在安装PyTorch时，我们通常使用的是**Anaconda/miniconda+Pytorch**+ IDE 的流程。

经过本节的学习，你将收获：

- Anaconda/miniconda的安装及其常见命令
- PyTorch的安装流程
- 如何选择一个适合自己的PyTorch版本

## 1.2.1 Anaconda的安装

在数据科学和最近很火的深度学习中，要用到大量成熟的package。我们一个个安装 package 很麻烦，而且很容易出现包之间的依赖不适配的问题。而 Anaconda/miniconda的出现很好的解决了我们的问题，它集成了常用于科学分析（机器学习， 深度学习）的大量package，并且借助于conda我们可以实现对虚拟Python环境的管理。

### Step 1：安装Anaconda/miniconda
登陆[Anaconda | Individual Edition](https://www.anaconda.com/products/individual)，选择相应系统DownLoad，此处以Windows为例（Linux可以点击[链接](https://docs.conda.io/en/latest/miniconda.html)选择合适的版本进行下载或者通过官方提供的shell脚本进行下载）：

![anaconda](figures/Anaconda.png)

### Step 2：检验是否安装成功
在开始页找到Anaconda Prompt，一般在Anaconda3的文件夹下,( Linux在终端下就行了）

![prompt](figures/prompt.png)

### Step 3：创建虚拟环境

Linux在终端(`Ctrl`+`Alt`+`T`)进行，Windows在`Anaconda Prompt`进行

#### 查看现存虚拟环境
查看已经安装好的虚拟环境，可以看到我们这里已经有两个环境存在了

```bash
conda env list 
```

![env_list](figures/env_list.png)

#### 创建虚拟环境
在深度学习和机器学习中，我们经常会创建不同版本的虚拟环境来满足我们的一些需求。下面我们介绍创建虚拟环境的命令。
```bash
conda create -n env_name python==version 
# 注：将env_name 替换成你的环境的名称，version替换成对应的版本号，eg：3.8
```

![](figures/install.png)

**注**：
1. 这里忽略我们的warning，因为我们测试的时候已经安了又卸载一遍了，正常时是不会有warning的。
2. 在选择Python版本时，不要选择太高，建议选择3.6-3.8，版本过高会导致相关库不适配。

#### 安装包
```bash
conda install package_name 
# 注：package_name 替换成对应的包的名称，eg: pandas
```
#### 卸载包
```bash
conda remove package_name
# 注：package_name 替换成对应的包的名称，eg: pandas
```
#### 显示所有安装的包
```bash
conda list
```
#### 删除虚拟环境命令

```bash
conda remove -n env_name --all 
# 注：env_name 替换成对应的环境的名称
```

#### 激活环境命令

```bash
conda activate env_name
# 注：env_name 替换成对应的环境的名称
```
#### 退出当前环境
```bash
conda deactivate
```
关于更多的命令，我们可以查看Anaconda/miniconda官方提供的命令，官网链接：[点击这里](https://docs.conda.io/projects/conda/en/latest/commands.html#conda-general-commands)
### Step 4：换源

在安装package时，我们经常会使用`pip install package_name`和`conda install package_name` 的命令，但是一些package下载速度会很慢，因此我们需要进行换源，换成国内源，加快我们的下载速度。以下便是两种对应方式的永久换源。如果我们仅仅想为单次下载换源可以使用`pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple`进行下载。

#### pip换源

##### Linux：
Linux下的换源，我们首先需要在用户目录下新建文件夹`.pip`，并且在文件夹内新建文件`pip.conf`，具体命令如下
```bash
cd ~
mkdir .pip/
vi pip.conf
```
随后，我们需要在`pip.conf`添加下方的内容:
```bash
[global]
index-url = http://pypi.douban.com/simple
[install]
use-mirrors =true
mirrors =http://pypi.douban.com/simple/
trusted-host =pypi.douban.com
```

##### Windows：

1、文件管理器文件路径地址栏敲：`%APPDATA%` 回车，快速进入 `C:\Users\电脑用户\AppData\Roaming` 文件夹中
2、新建 pip 文件夹并在文件夹中新建 `pip.ini` 配置文件
3、我们需要在`pip.ini` 配置文件内容，我们可以选择使用记事本打开，输入以下内容，并按下ctrl+s保存，在这里我们使用的是豆瓣源为例子。

```bash
[global]
index-url = http://pypi.douban.com/simple
[install]
use-mirrors =true
mirrors =http://pypi.douban.com/simple/
trusted-host =pypi.douban.com
```

#### conda换源（清华源）[官方换源帮助](https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)

##### Windows系统：

TUNA 提供了 Anaconda 仓库与第三方源的镜像，各系统都可以通过修改用户目录下的 `.condarc` 文件。Windows 用户无法直接创建名为 `.condarc` 的文件，可先执行`conda config --set show_channel_urls yes`生成该文件之后再修改。

完成这一步后，我们需要修改`C:\Users\User_name\.condarc`这个文件，打开后将文件里原始内容删除，将下面的内容复制进去并保存。

```bash
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
```

这一步完成后，我们需要打开`Anaconda Prompt` 运行 `conda clean -i` 清除索引缓存，保证用的是镜像站提供的索引。

##### Linux系统：
在Linux系统下，我们还是需要修改`.condarc`来进行换源
```bash
cd ~
vi .condarc
```
在`vim`下，我们需要输入`i`进入编辑模式，将上方内容粘贴进去，按`ESC`退出编辑模式，输入`:wq`保存并退出

![换源内容](figures/Linux_source.png)

我们可以通过`conda config --show default_channels`检查下是否换源成功，如果出现下图内容，即代表我们换源成功。

![](figures/source_ok.png)

同时，我们仍然需要`conda clean -i` 清除索引缓存，保证用的是镜像站提供的索引。

## 1.2.2 查看显卡
该部分如果仅仅只有CPU或者集显的小伙伴们可以跳过该部分

### windows：

我们可以通过在`cmd/terminal中`输入`nvidia-smi`（Linux和Win命令一样）、使用NVIDIA控制面板和使用任务管理器查看自己是否有NVIDIA的独立显卡及其型号

![查看GPU](figures/gpu.png)

![查看显卡](figures/Nvidia.png)



### linux：

![Linux查看GPU](figures/Linux_GPU.png)

我们需要看下版本号，看自己可以兼容的CUDA版本，等会安装PyTorch时是可以向下兼容的。具体适配表如下图所示。

![适配表](figures/table.png)

## 1.2.3 安装PyTorch

### Step 1：登录[PyTorch官网](https://pytorch.org/)

![](figures/Pytorch.png)

### Step 2：Install

![](figures/download.png)

这个界面我们可以选择本地开始（Start Locally），云开发（Cloud Partners)，以前的Pytorch版本（Previous PyTorch Versions），移动端开发（Mobile），在此处我们需要进行本地安装。

### Step 3：选择命令
我们需要结合自己情况选择命令并复制下来，然后使用conda下载或者pip下载（建议conda安装）

打开`Terminal`，输入`conda activate env_name`(env_name 为你对应的环境名称)，切换到对应的环境下面，我们就可以进行PyTorch的安装了。

![](figures/choose_envs.png)

**注**：
1. **Stable**代表的是稳定版本，**Preview**代表的是先行版本
2. 可以结合电脑是否有显卡，选择CPU版本还是CUDA版本，CUDA版本需要拥有独显且是NVIDIA的GPU
3. 官方建议我们使用**Anaconda/miniconda**来进行管理
4. 关于安装的系统要求

   1. **Windows**：
      1. Windows 7及更高版本；建议使用Windows 10或者更高的版本
      2. Windows Server 2008 r2 及更高版本
   2. **Linux：以常见的CentOS和Ubuntu为例**
      1. CentOS, 最低版本7.3-1611
      2. Ubuntu, 最低版本 13.04，这里会导致cuda安装的最大版本不同
   3. **macOS**：
      1. macOS 10.10及其以上

5. 有些电脑所支持的cuda版本<10.2，此时我们需要进行手动降级，即就是cudatoolkit = 你所适合的版本，但是这里需要注意下一定要保持PyTorch和cudatoolkit的版本适配。查看[Previous PyTorch Versions | PyTorch](https://pytorch.org/get-started/previous-versions/)

### Step 4：在线下载

如果我们使用的`Anaconda Prompt`进行下载的话，我们需要先通过`conda activate env_name`，激活我们的虚拟环境中去，再输入命令。

**注**: 我们需要要把下载指令后面的 -c pytorch 去掉以保证使用清华源下载，否则还是默认从官网下载。
### Step 5：离线下载

#### Windows：

在安装的过程中，我们可能会出现一些奇奇怪怪的问题，导致在线下载不成功，我们也可以使用**离线下载**的方法进行。

**下载地址**：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

通过上面下载地址，我们需要下载好对应版本的pytorch和 torchvision 包，然后打开`Anaconda Prompt`/`Terminal`中，进入我们安装的路径下。

```bash
cd package_location
conda activate env_name
```
接下来输入以下命令安装两个包

```bash
conda install --offline pytorch压缩包的全称（后缀都不能忘记）
conda install --offline torchvision压缩包的全称（后缀都不能忘记）
```

#### Step 6：检验是否安装成功

进入所在的**虚拟环境**，紧接着输入`python`，在输入下面的代码。

```python
import torch

torch.cuda.is_available()
```
```bash
False
```
这条命令意思是检验是否可以调用cuda，如果我们**安装的是CPU版本的话会返回False，能够调用GPU的会返回True**。一般这个命令不报错的话就证明安装成功。

- Windows系统

![验证安装](figures/check_windows.png)

- Linux系统

![](figures/check_linux.png)

PyTorch的安装绝对是一个容易上火的过程，而且网络上的教程很可能对应早期的版本，或是会出现一些奇奇怪怪的问题，但是别担心，多装几次多遇到点奇奇怪怪的问题就好了！

##  1.2.4 PyCharm安装（可选操作）

VSCode这些也是ok的，安装PyCharm非必须操作

Linux，Windows此处操作相同，我们建议Windows的同学安装Pycharm即可，因为在Linux上pycharm并不是主流的IDE。

### Step 1：进入[官网](https://www.jetbrains.com/pycharm/)下载
如果是学生的话可以使用学生邮箱注册并下载Professional版本，Community版本也基本能满足我们的日常需求。

![Pycharm安装](figures/Pycharm.png)

### Step 2：配置环境
我们需要将虚拟环境设为我们的编译器，具体操作：File --> Settings --> Project:你的项目名称--> Python Interpreter

进去后，我们可以看见他使用的是默认的base环境，现在我们需要将这个环境设置成我们的`test`环境,点击`齿轮`，选择`Add`

![改环境](figures/envs1.png)

点击`Conda Environment` ，选择`Existing environment`，将`Interpreter`设置为test环境下的`python.exe`

![改环境](figures/envs2.png)

注：如果在pycharm的环境时，想进入我们的虚拟环境，要使用`conda activate 名称`