PyTorch可以认为是一个Python库，可以像NumPy、Pandas一样被调用。PyTorch和NumPy功能是类似的，可以将PyTorch看作用在神经网络（深度学习）里的NumPy，并且加入了GPU支持的NumPy（原生NumPy不支持GPU）。

目前，应用最广、热度最高的深度学习框架为PyTorch和TensorFlow。本系列先从PyTorch开始，后面有机会再去弄TersonFlow，还有时间的话，就再去系统回顾下之前学习的Caffe框架。

小结：PyTorch为深度学习框架，为NumPy的替代品，支持GPU，可以用来搭建和训练深度神经网络。

暂时确定：Anaconda、Jupyter Notebook。

1、Anaconda。

为了降低WSL在C盘下的负担，深度学习这块，准备在Windows下安装各种环境。Anaconda集成了许多优秀的开发工具。例如：Anaconda Navigator和Anaconda Prompt。前者是一个桌面图形界面，内部集成了很多开发工具，如Jupyter Notebook，VSCode。如果要启动某个软件，直接在界面的软件下Launch就行了。后者是Anaconda的终端，可在其中使用conda命令来管理Python库。conda是一个开源的软件包管理系统和环境管理系统，可以方便地管理Python的库函数以及创建虚拟环境。如果要启动该功能，直接在“开始”菜单找到就行了。

如何完成安装？

1°去这里下载对应版本的Anaconda包。

如果进去之后是一个Buy Now的购买界面，那很有可能就是因为挂了代理，速度跟不上，下载没成功，关掉就好。

2°下载好后双击exe程序。Next、I Agree、All Users操作后，选择安装的路径。装的时候提示路径有警告，我觉得是没啥问题的，但保险起见，还是装在没空格的地方。 3°Next后出现下面这个情况。这一步是非常重要的！！！需要理解下，不然后面使用Anaconda容易出现问题。 首先关于这段话：

按软件默认的推荐，是不要选中框1内容，将Anaconda添加到路径中。如果选中的话，会将Anaconda添加到系统路径中，这样，就得使用“开始”菜单的Anaconda Navigator或Anaconda命令提示符，来启动Anaconda，不然环境变量是错误的。但如果不选中，以后是可以随时将Anaconda添加到您的PATH中。这里选择不勾选，如果要在命令提示符下使用Anaconda，那就选中该框。由于电脑中没有Python的其他版本，这里直接默认3.8的。next、next并Finish后，完成安装。

如何测试安装？

测试安装的一种好方法是打开Jupyter Notebook。可通过Anaconda Prompt或Anaconda Navigator执行此操作。

1°找到Anaconda Navigator，然后单击Anaconda Navigator。 2°在Jupyter Notebook下，单击Launch。 3°为了在Windows下使用Anaconda中的软件，需要添加下环境变量。

打开命令提示符。运行jupyter notebook，如果出现这个问题，需要配置下路径。 只需要将之前安装时的路径，放到环境变量里的path中去。

几个非常有用的conda命令。

在项目开发过程中，由于需求不同，得下载各种不同的框架和库，版本间的差异也会不同，需要不断更新或卸载对应的库，管理非常麻烦。需要创建虚拟环境，来为不同的项目创建独立的空间，这个空间里安装的任何库和框架都是独立的，不会影响到外部环境。这时，就需要上面安装的Anaconda了。

1、打开Anaconda Prompt。在命令行中输入：

lypytorch是我的虚拟环境名称，可以自由命名。虚拟环境的运行需要一些库，安装完后，返回下面结果。 2、输入activate lypytorch进入虚拟环境。如果不想使用虚拟环境了，可以输入conda.bat deactivate来关闭当前虚拟环境（直接使用deactivate lypytorch不太行，会提示错误，一个坑点）。 3、浏览器中进入这个页面，进入Pytorch的官网后，点击Get Started进入下载页面。 在Compute Platform中，如果想用GPU计算，得选CUDA等来安装GPU版本的PyTorch。安装GPU版本的PyTorch，得先有块NVIDIA的GPU并且安装了显卡的驱动，并且在安装前，需要提前安装CUDA和CUDNN，这里我自己的电脑，虽然有显卡，但也不是很好的那种，就用CPU版本的。安装GPU版本的PyTorch需要硬件支持，而且准备工作非常多，推荐先使用CPU版本的PyTorch。其实，小规模的神经网络，PyTorch的运行速度并无比较大的区别。

在虚拟环境PyTorch中输入下面命令，就可以开始PyTorch的安装了。

4、新建的虚拟环境是没有Jupyter的，需要运行下面的指令来安装。

运行后的输出。 当然，除了Jupyter外，还可以根据需要使用conda命令安装其他的Python库。

5、安装完后进行测试。打开Anaconda Navigator，由于PyTorch安装在虚拟环境lypytorch中的，可以在Anaconda Navigator界面中的Applications on下拉列表框中选择lypytorch，然后，可以启动该环境下的Jupyter Notebook。 6、打开Jupyter Notebook后，输入import等指令来导入库。

这里的torch是PyTorch的核心库，torchvision包是服务于PyTorch深度学习框架的，用来产生图片、视频数据集、一些流行的模型类和预训练模型。简言之，torchvision由torchvision.datasets、torchvision.models、torchvision.transforms和torchvision.utils四个模块组成。安装的时候，会同时安装了PyTorch和torchvision。结果如下面所示，表示运行成功。

Jupyter默认打开的路径不知跑到哪去了，需要修改下默认的启动路径。

1、虚拟环境下，运行下面指令查看配置文件路径。

得到下面结果： 2、在Windows系统下，找到对应的文件。 3、打开后搜索到下面的代码，把注释去掉后，选择默认的工作路径。

这里D:\Jupyter_PyTorch是我的工作路径，可以修改成自己的。还得注意，指令前面是不能留空格的。同时自己的工作文件夹需要提前新建，否则Jupyter Notebook会找不到这个文件，会产生闪退现象。 4、更改完，再右键自己虚拟环境下的Jupyter快捷方式，点击属性，将“%USERPROFILE%”删除保存。 右键属性打开后删除对应的路径，并应用下。 5、修改完，可以直接点击程序运行，默认是打开虚拟环境下Jupyter，打开后，新建一个文件，导入一下PyTorch，保存一下，可以看到在之前的工作空间下，已经产生了保存的文件。 Note：

如果命令“jupyter notebook --generate-config”执行有错误，大多是因为没有配置环境变量导致的，需要先进行设置下。

Windows在命令行中使用conda命令创建删除虚拟环境 修改 win10 下启动 jupyter 后的默认路径