WINDOWS下安装系统_在Windows环境下

Jetbrains全系列IDE稳定放心使用

更新提醒：本文已过期，PyTorch1.5正式版已在2020年4月21发布，Windows下安装最新的PyTorch1.5请移步本人另一篇博客：Windows下安装PyTorch1.5。

PyTorch简介
在2017年1月18日，facebook下的Torch7团队宣布PyTorch开源后就引来了剧烈的反响。PyTorch 是 Torch 在 Python 上的衍生版本。Torch 是一个使用 Lua 语言的神经网络库, Torch 很好用, 但是 Lua 流行度不够, 所以facebook开发团队将 Lua 的 Torch 移植到了更流行的语言 Python 上，推出了PyTorch 。

PyTorch是一个Python优先的深度学习框架，是一个和tensorflow，Caffe，MXnet一样，非常底层的框架。先说下PyTorch相比于Tensorflow的三大优势：

一.Python优先支持

PyTorch主推的特性之一，就是支持Python（官方的提法：puts Python first）。因为直接构建自 Python C API，PyTorch从细粒度上直接支持python的访问。相比于原生Python实现，引入的新概念很少，这不仅降低了 Python 用户理解的门槛，也能保证代码基本跟原生的 Python 实现一致。事实上，开发者可以直接用原生 Python 代码扩展 PyTorch 的 operation。

而Tensorflow总有一种用 Python 调用 C++ 写的第三方动态链接库的感觉；写模型需要更多代码，无法贯彻 Python的简约风格；而且写新的 operation 必须用 C++ 开发。

二.动态图的良好支持

Tensorflow运行必须提前建好静态计算图，然后通过feed和run重复执行建好的图。但是Pytorch却不需要这么麻烦：PyTorch的程序可以在执行时动态构建/调整计算图。相对来说，pytorch具有更好的灵活性。这得益于PyTorch直接基于 Python C API 构建的 Python 接口。

TensorFlow饱受诟病的痛点就是只支持静态图模型。也就是说，在处理数据前必须预先定义好一个完整的模型。如果数据非常规整，那还好。但实际工程和研究项目中的数据，难免有一些边角的情况。很多项目，其实需要大量实验才能选择正确的图模型。这就很痛苦了。因此，很多项目转而采用了PyTorch等支持动态图模型的框架，以便在运行程序的时候动态修正模型。

不过在2017年10月31日万圣节这天，Google发布了TensorFlow Eager Execution（贪婪执行），为TensorFlow添加了命令式编程的接口。启用贪婪执行后，TensorFlow操作会立刻执行，不用通过Session.run()执行一个预先定义的图。2017年11月，TensorFlow1.5版本中正式加入了动态图机制Eager Execution的支持！

三.易于Debug
Pytorch在运行时可以生成动态图，开发者就可以在堆栈跟踪中看到哪一行代码导致了错误。你甚至可以在调试器中停掉解释器并看看某个层会产生什么。

PyTorch的Windows版本安装

2018年12月8日,Pytorch1.0正式发布，源码地址：https://github.com/pytorch/pytorch/releases。这次最新的Pytorch1.0有很多重大的更新，分布式更好用了，其实最重要的应该是C++的前端支持，部署更方便，效率更高，使得Pytorch往产品化方面又迈进了坚实的一步。

我们可以直接在Pytorch官网寻找自己所需的最新的版本进行安装。目前Pytorch1.0支持Python2.7，Python3.5，Python3.6和Python3.7等多个Python版本。

Conda安装

如果已经装了Ananconda|Python，不管是Python3.5，Python3.6还是Python3.7，都可以选择对应的cuda版本，然后直接执行下面命令安装：

conda install pytorch torchvision cuda80 -c pytorch              #for cuda8
conda install pytorch torchvision -c pytorch                           #for cuda9
conda install pytorch torchvision cuda100 -c pytorch            #for cuda10
conda install pytorch-cpu torchvision-cpu -c pytorch             # for cpu version

注意：Conda安装只支持Python3，如果你的Ananconda|Python是Python2版本，请用pip方式安装。

pip安装
这里只提示一点，pip可以安装Python2的Pytorch1.0的cpu版本，如果要安装gpu版本，请升级到Python3：

Python2.7 cpu版本：

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27mu-linux_x86_64.whl  
pip install torchvision

如果上面不行，请执行：

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27m-linux_x86_64.whl
pip install torchvision

Python3.5各个版本：

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cuda10.0
pip install torchvision

Python3.6各个版本：

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cuda10.0
pip install torchvision

Python3.7各个版本：

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda10.0
pip install torchvision

测试安装是否成功

import torch
print(torch.__version__)

如果输出1.0.0，那么恭喜Windows下的PyTorch1.0.0安装成功！