文章目录
前言
pytorch和tensorflow是当前深度学习最重要的两种框架,目前来看,不论是哪一种深度学习模型,比如YOLO,SSD,RCNN,Pointnet都采用了二者中的一种来实现网络模型,开源代码也一般也会有Tensorflow和Pytorch两种版本。这篇文章主要记录我在安装pytorch深度学习框架的过程,作为日志,希望也能帮到正在阅读文章的你。
需要注意的是,由于深度学习的实验过程总是伴随着很多版本的模型,为了避免在实验过程中,各个模型需要的依赖包版本不一样,大部分情况下,安装pytorch都是在anaconda下创建一个虚拟环境来进行的。每一个虚拟环境下都有一个独立的python、一个独立的pip以及只能在这个虚拟环境下使用的python包。
- 本片文章默认用户已经会安装anaconda,并已经会创建、激活虚拟环境。
- python,pytorch, cuda实际上是有一个比较严格的版本对应关系的。由于这些软件的版本更新都很快,读者需要自行查阅什么版本对应关系。推荐按照如下顺序确定版本:首先确定CUDA最高支持多少版本,然后找这个版本的cuda支持什么版本的python,然后照着这个版本的python创建虚拟环境。至于pytorch的安装版本,尽管很重要,但pytorch发行方已经帮我们解决了这个问题,用户已经不需要手动选择安装哪个版本的pytorch了。(见后续的详细安装过程)
详细过程
在撰写这篇博客时(2024年6月7日),pytorch相比tensorflow的部署要简单很多。以下windows系统下部署pytorch框