PyTorch深度学习指南之：如何用深度学习工具获得一台4070游戏本
前面Bitlocker的事情告一段落了（BitLocker加密硬盘设备的过程是啥？怎么解锁？看这里了解一下），这台游戏本也不能只打游戏啊。要是大学生也买了这么一台高性能游戏本，或者正在打算买，说是用来学习人工智能也是一个不错的借口。如果拿RTX4070和之前的GTX1050Ti来对比（复制成功！GTX1050Ti换版本安装Pytorch、CUDA和cuDNN），GTX1050Ti就不得不成为牛夫人
前面Bitlocker的事情告一段落了（BitLocker加密硬盘设备的过程是啥？怎么解锁？看这里了解一下），这台游戏本也不能只打游戏啊。要是大学生也买了这么一台高性能游戏本，或者正在打算买，说是用来学习人工智能也是一个不错的借口。
如果拿RTX4070和之前的GTX1050Ti来对比（复制成功！GTX1050Ti换版本安装Pytorch、CUDA和cuDNN），GTX1050Ti就不得不成为牛夫人了。
即使和我手头最强的Tesla P40相比（清华大模型ChatGLM3在本地Tesla P40上也运行起来了），也有不小的优势呢。
话说回来，那人工智能该怎么学的？前面我们大概介绍了几次（Ubuntu使用Tesla P4配置Anaconda+CUDA+PyTorch），都还是环境准备阶段。上次联合机工社给大家整了《PyTorch深度学习指南》作为粉丝福利（1024｜程序员充能大礼包及粉丝专属福利放送！），其中就有相关介绍。
今天，我们按照书中所写，先设置一下软件环境。
1、安装Anaconda
书中用到的环境还是Anaconda，这个我们已经有经验了（MX250笔记本安装Pytorch、CUDA和cuDNN）。先到PyTorch官网看一眼。
Windows环境中稳定版的2.5.1版本，能搭配Conda、Python和CUDA一块使用。检查一下显卡版本。
可以适配CUDA 12.5.85版本，再看一下CUDA官网，当前最新版本是12.6.3，我的电脑已经自带了12.5版本；如果是新安装，推荐还是下载一个12.4.1吧。
下载链接如下：
https://developer.download.nvidia.com/compute/cuda/12.4.1/local_installers/cuda_12.4.1_551.78_windows.exe
Anaconda的最新版本是Anaconda3-2024.10，搭配Python 3.12使用。
下载链接如下：
https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Windows-x86_64.exe
最后，把这两个软件安装一下就好了。
2、创建并激活一个虚拟环境
安装完成之后，打开Anaconda Navigator，进入“Environment”。我们点击页面下方的“Create”来创建一个新环境，指定名称Jupyter，并选择已经安装的Python版本，点击“Create”完成创建。
可以看到，新的环境创建完成之后，仅仅包含了16个软件包。
然后点击新环境后面的启动按钮，选择“Open Terminal”打开命令行终端。
然后输入以下命令来激活Jupyter环境：
activate Jupyter
3、安装Pytorch软件包
这一步比较简单，我们直接把Pytorch的安装命令粘贴进去就行了。
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
4、安装TensorBoard软件包
TensorBoard是TensorFlow的可视化工具，它提供了机器学习实验所需的可视化和工具，无需依赖TensorFlow环境，在PyTorch环境中也可使用。
安装完PyTorch之后，运行以下命令安装TensorBoard：
conda install -c conda-forge tensorboard
5、安装GraphViz软件和TorchViz软件包
GraphViz是将结构信息表示为抽象图和网络图的方法，并且只能在安装GraphViz之后才能安装TorchViz，书中说可能会安装失败，我们尝试一下。
软件很小，需要单独下载安装，并加入到系统变量中。
https://gitlab.com/api/v4/projects/4207231/packages/generic/graphviz-releases/12.2.0/windows_10_cmake_Release_graphviz-install-12.2.0-win64.exe
安装过程也很常规，启动安装，并接受许可证协议。
在安装选项界面，勾选为所有用户添加到系统变量。
确认安装位置，就可以开始安装了。
等待安装结束。
而TorchViz则不在Anaconda发行库里面，它的安装就需要使用pip命令进行了。需要注意的是，安装GraphViz增加了新的系统变量，需要重新启动终端，然后输入以下命令。
pip install torchviz
安装完成之后，使用下面的Python代码检查这两个软件是否可以运行。
python
import torch
from torchviz import make_dot
v = torch.tensor(1.0,requires_grad=True)
make_dot(v)如果一切正常，应该看到如下内容：
<graphviz.graphs.Digraph object at 0x000002620A10D7C0>
6、安装git并复制资料库
接下来，作者建议我们安装一个git工具，并使用这个工具复制书中所有的资料库。
软件下载链接如下：
https://github.com/git-for-windows/git/releases/download/v2.47.1.windows.1/Git-2.47.1-64-bit.exe
安装过程参考（清华大模型ChatGLM3部署初体验）。
同样的，安装完成之后需要重启中终端，然后使用以下命令复制书中附带的资料库。
git clone https://github.com/dvgodoy/PyTorchStepByStep.git
7、启动Jupyter Notebook
克隆完成后，进入到PyTorchStepByStep文件夹。
最后，我们输入以下命令启动Jupyter即可。
jupyter notebook
默认打开了http://localhost:8888/tree?这个页面，显示的内容跟PyTorchStepByStep文件夹中基本一致。
随便打开一个ipynb项目，可以看到风格跟网上的项目很像，之前的飞桨AI、Google的Gemini好像也是这样的。
好了，估计你打开这个页面，日常装逼就足够了。
***推荐阅读***
BitLocker加密硬盘设备的过程是啥？怎么解锁？看这里了解一下
简简单单，H3C路由器和Juniper vSRX防火墙对接IPsec VPN这么配就成了！
复制成功！GTX1050Ti换版本安装Pytorch、CUDA和cuDNN
清华大模型ChatGLM3在本地Tesla P40上也运行起来了
Ubuntu使用Tesla P4配置Anaconda+CUDA+PyTorch
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
14
0- 0
已为社区贡献12条内容
所有评论(0)