Upload Deep Learning 1

_posts/2023-09-22-深度学习入门---0.Pytorch的环境配置.md

@@ -0,0 +1,142 @@
+---
+title: 深度学习入门 - 0.Pytorch的环境配置
+date: 2023-09-22 19:18:15 +0800
+categories: [Python, Deeplearning]
+tags: [Python, Deeplearning]      # TAG names should always be lowercase
+---
+
+# 深度学习入门0 - PyTorch环境配置
+
+## Python环境
+
+版本：3.10
+
+本教程使用Conda环境进行配置，Conda环境安装好后可以指定Python版本，因此本教程并不需要像之前的爬虫教程那样手动下载安装需要的Python版本。
+
+## 安装Anaconda
+
+Anaconda就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
+
+要安装Anaconda，可以使用官网进行安装。若速度过慢，也可以选择清华源进行安装。
+
+[官网入口](https://www.anaconda.com/) | [清华镜像源入口](https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)
+
+## 安装PyCharm
+
+请参考[Python爬虫0 - 环境准备](https://standardl.github.io/posts/Python%E7%88%AC%E8%99%AB0-%E7%8E%AF%E5%A2%83%E5%87%86%E5%A4%87/#%E7%BC%96%E8%BE%91%E5%99%A8)的编辑器部分。
+
+## 启动conda
+
+### Windows
+
+安装好anaconda后，可以在开始菜单中，选择Anaconda Prompt进入conda的shell界面。
+
+<img src="D:\Coder\Github Repos\StandardL.github.io\assets\img\posts\2023-09-22-深度学习入门0\启动conda shell.png" alt="image-20230922214615829" style="zoom: 67%;" />
+
+### Linux
+
+默认情况下conda已添加进入环境变量中，直接在终端（Terminal）中使用conda指令即可。
+
+## 创建conda环境
+
+输入以下指令以创建一个新的conda环境，并指定Python版本为3.10。
+
+```cmd
+conda create -n Pytorch python=3.10
+```
+
+若出现提示，输入<kbd>y</kbd>确认创建。
+
+输入以下指令进入该虚拟环境。
+
+```cmd
+conda activate Pytorch
+```
+
+若Linux环境下提示无权限，可以输入以下指令进入该虚拟环境。
+
+```cmd
+source activate Pytorch
+```
+
+若前面的括号写明Pytorch字样，即为成功进入名为Pytorch的conda环境。
+
+![image-20230922215932231](D:\Coder\Github Repos\StandardL.github.io\assets\img\posts\2023-09-22-深度学习入门0\激活pytorch环境.png)
+
+## 安装PyTorch
+
+### 前置包
+
+在安装PyTorch之前，我们需要先安装机器学习的一些常用包，比如numpy，matplotlib，opencv等。为了包便于管理，这里统一使用 `pip` 进行包管理。
+
+```cmd
+pip install imageio scipy six numpy pillow tqdm opencv-python
+```
+
+若受限于网络环境无法顺利下载，可以使用清华源下载，指令改为：
+
+```cmd
+pip install imageio scipy six numpy pillow tqdm opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
+```
+
+### 安装PyTorch
+
+PyTorch官方给出了不同操作系统、处理器下的安装指令，具体请参照该 [网页](https://pytorch.org/get-started/locally/) 进行查看。这里简单介绍一下每个选项。
+
+![PyTorch版本选择](D:\Coder\Github Repos\StandardL.github.io\assets\img\posts\2023-09-22-深度学习入门0\PyTorch版本选择.png)
+
+- PyTorch Build: PyTorch的版本，Stable表示稳定版，Preview表示预览版。一般情况下使用Stable稳定版即可。
+- Your OS：操作系统环境，根据自己实际操作系统选择。一般家用机是Windows，苹果电脑是Mac。
+- Package：使用的包管理器。Conda表示使用Conda进行包管理，Pip表示使用pip进行包管理。LibTorch是C++/Java的库，Source是源代码。
+- Language：编程语言，PyTorch支持Python，C++和Java。
+- Compute Platform：计算平台，即PyTorch需要在何种设备上运行。如果希望在NVIDIA的GPU上运行可以选择CUDA，AMD的GPU选择ROCm，其余选择CPU通用计算。若在上述OS中选择了Mac，此处的CPU会替换为Default，这是因为苹果自研的M系列处理器具有独立的NPU，Mac版本的PyTorch支持调用该NPU。
+- Run this Command: 安装指令，上述选择无误后复制到刚才的终端中运行即可。
+
+> CUDA版本的选择可以根据自己显卡型号以及驱动来进行。对于 **RTX 30系及以上** 显卡推荐使用CUDA 11.8或更高版本的CUDA。具体查看方式可以在终端中输入 `nvidia-smi` 来查看。在显示的CUDA Version一栏中，注意CUDA Version $\geq$ PyTorch CUDA 版本即可。
+>
+> 以我这里为例，CUDA Version为12.4，因此我既可以选择CUDA 11.8的版本，也可以选择CUDA 12.1的版本。
+>
+> ![查看CUDA版本](D:\Coder\Github Repos\StandardL.github.io\assets\img\posts\2023-09-22-深度学习入门0\查看CUDA版本.png)
+{: .prompt-tip }
+
+以安装Windows环境下CUDA 12.1的PyTorch为例，复制下面的指令到终端中执行即可。由于GPU版本的PyTorch会下载CUDA工具包，因此下载大小大约在2GB左右，耐心等待进度条走完即可。
+
+```cmd
+pip3 install --upgrade torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
+```
+
+![安装pytorch](D:\Coder\Github Repos\StandardL.github.io\assets\img\posts\2023-09-22-深度学习入门0\安装pytorch.png)
+
+## 验证PyTorch安装成功
+
+打开PyCharm创建新项目，环境选择我们创建好的 Pytorch 环境。复制以下代码验证PyTorch已被正确 安装。
+
+```python
+import torch
+
+x = torch.rand(5, 3)
+print(x)
+# 如果安装了GPU版本，还需要确保下面的输出是True.
+print("Verify CUDA is available: ", torch.cuda.is_available())
+```
+
+正确无误的输出应为：
+
+```
+tensor([[0.2158, 0.7663, 0.5148],
+        [0.9319, 0.1565, 0.5179],
+        [0.6783, 0.9585, 0.9389],
+        [0.1042, 0.8241, 0.4365],
+        [0.1757, 0.8150, 0.8985]])
+Verify CUDA is available:  True
+```
+
+> 注意：Linux环境下验证ROCm版本的PyTorch是否正确安装依旧是 `torch.cuda.is_available()` 指令。
+{: .prompt-info}
+
+---
+
+参考链接：
+
+1. [Start Locally | PyTorch](https://pytorch.org/get-started/locally/#linux-pip)
+