在Linux系统中安装深度学习框架Pytorch( 二 ) 01PyTorch和TensorFlowPyTorch：一个开

为了进一步检测，我复制了PyTorch官网上的检测代码，测试结果也是正确的，如图。
文章插图
总结：
1. 下载好anaconda
2. 创建虚拟环境pytorch（或者tensorflow）
3. 添加清华源镜像
4. 输入PyTorch官网安装提示命令，删除后面的 -c pytorch
5. 检测是否安装成功
03
安装时踩过的坑
软件安装需要看运气，有时候很顺利，有时候死磕也安装不下来。
以上的过程是我最后一次安装，整个过程很流畅很顺利。但在此之前，我尝试了好几次，遇到各种问题。
1.直接在终端输入按照官网提示的指令：
文章插图
出现错误：
文章插图
2. 在创建环境，添加镜像后，在创建的环境中安装pytorch 。
还是出现同样错误。尝试了网上不同的办法，包括将https改为http ，将.condarc文件中的-default删除，输入conda config --set remote_read_timeout_secs 600.0 ，设置conda下载的timeout（如果时长不够可以再设置大一点）。
这些方法都没有彻底解决问题，安装依然有错误。出错原因：pytorch和torchvision下载失败，主要是下载慢，延迟过高导致。
文章插图
从上图可以看到，其他下载基本都是100% ，而这两个始终下载不下来。
然后我把创建的pytorch环境移除，准备重新创建试试，发现还是一直报错。
报错给我报伤心了，于是我在VMware上直接将ubuntu移除，创建新的虚拟机，重新安装ananconda ，按照第二部分的安装步骤，很顺利地安装成功。
以上是我安装的过程，包括成功的和失败的。祝你安装顺利！
补充：
在进一步检测是否安装成功时：
文章插图
我的最后一个结果是False 。
在安装过程中我被cuda困扰挺久。因为PyTorch官网上提供了无cuda的安装指示，所以我觉得没有cuda应该也可以安装好PyTorch 。还有网上一些安装教程会有通过nvcc -V检测cuda的版本等。
经过查阅，我了解到PyTorch有GPU（图形处理器）版本和CPU（中央处理器）版本。
两者的区别主要是GPU版本的运行更快。如果要训练大规模的数据集，跑的程序很大需要使用GPU版本。
如果要装GPU版的，需要cuda和cudnn 。如果只是快速上手学习pytorch ，可以不用废时间装GPU版， CPU版本的PyTorch基本够用，小型网络神甚至更快。
然后我查询了自己的电脑是否可以安装GPU版本的PyTorch：
首先，需要明确的是目前只有NIVDIA（英伟达）的部分显卡支持cuda 。故需要查看自己电脑的显卡型号，在windows操作系统中（我的是win7），打开cmd ，输入dxdiag 。
文章插图
也可以通过设备管理器查看。
文章插图
对于有两种型号显卡的电脑来说Intel的是集成显卡，另一个是独立显卡，对于只有一种显卡的电脑那么就是集成显卡。
故我的电脑没有独立显卡，只有集成显卡（GPU集成在CPU里），且不是NIVDIA显卡，是英特尔集成显卡。只能使用CPU版本的PyTorch 。所以print(torch.cuda.is_available())回答是False没有什么影响，已成功安装CPU版本的PyTorch ，且目前电脑的配置并不支持安装GPU版本的PyTorch 。