3 PyTorch环境搭建：安装PyTorch

查看大图

PyTorch 安装不要复制旧命令。不同系统、Python 版本和 CUDA 版本对应不同安装方式，最稳妥的是用官方安装选择器生成命令。

官方安装页：PyTorch Start Locally

查看大图

安装后先运行 import torch、torch.rand(5, 3) 和 torch.cuda.is_available()。这三个结果比安装日志更能说明环境是否可用。

在上一篇中，我们对PyTorch进行了简要介绍，讲述了它的基本概念和在深度学习中的重要性。接下来，我们将重点关注如何在本地环境中安装PyTorch，以便顺利开始我们的学习之旅。

安装PyTorch的前期准备

在开始安装之前，请确保你的计算机满足以下条件：

查看大图

安装 PyTorch 时，先确认 Python、PyTorch、CUDA 或 CPU 版本是否匹配，再跑一个张量计算。环境对齐，后面训练才少踩坑。

1. 操作系统：Windows、macOS 或 Linux
2. Python版本：建议使用 Python 3.6 及以上版本
3. pip（包管理工具）：确保你已经安装 pip，它通常随 Python 一起安装

你可以通过在终端或命令提示符中输入以下命令来检查你的 Python 和 pip 版本：

python --version
pip --version

使用官方命令安装PyTorch

PyTorch的安装非常简单，官方提供了一个便利的安装指南，可以根据你的系统和需求生成适合你的安装命令。以下是一个通用的步骤：

查看大图

学习《PyTorch环境搭建：安装PyTorch》不必一口气吃完所有细节。先挑一个能动手验证的小问题，再顺着图和正文补齐概念。

1. 打开命令行或终端。
2. 根据你计算机的配置选择相应的 PyTorch 版本（如 CUDA 和 CPU 版本）。

例如，你可以选择使用 CPU 版本的命令如下：

pip install torch torchvision torchaudio

如果你的电脑上有 NVIDIA GPU，并且安装了CUDA，你可以选择安装带有CUDA支持的版本：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

在这条命令中，cu113 表示使用 CUDA 11.3。如果需要其他版本的 CUDA，请根据官网提供的指引进行更新。

验证安装

安装完成后，我们需要验证 PyTorch 是否成功安装。可以通过 Python 的命令行界面执行以下代码：

import torch
print(f"PyTorch version: {torch.__version__}")
print(f"Is CUDA available: {torch.cuda.is_available()}")

如果没有错误信息并且显示了版本号和CUDA可用性，那么说明安装成功！

案例：一个简单的PyTorch示例

在成功安装 PyTorch 后，我们可以编写一个简单的代码示例来测试我们的安装。这里我们将创建一个张量并进行基本操作。

import torch

# 创建一个随机张量
x = torch.rand(5, 3)
print("Random Tensor:")
print(x)

# 进行简单的数学运算
y = torch.rand(5, 3)
sum_tensor = x + y
print("Sum of Two Tensors:")
print(sum_tensor)

以上代码生成了两个5x3的随机张量，并计算它们的和。通过运行这段代码，你将能够观察到 PyTorch 在使用张量方面的强大功能。

结束语

在本篇中，我们关注了如何安装 PyTorch，并通过一个简单的示例演示了其基本用法。在下一篇中，我们将深入配置环境，从而使我们能够最大化利用 PyTorch 的功能，帮助我们在深度学习领域更深入学习和探索。

查看大图

回看《PyTorch环境搭建：安装PyTorch》时，不必一次做大项目，先用一条简单样例确认主线是否清楚。

查看大图

如果《PyTorch环境搭建：安装PyTorch》还没完全消化，可以从这张卡片的四个动作重新走一遍。

请确保在安装过程中解决任何可能出现的问题，以便为后续的学习打下良好的基础。希望你能顺利完成这一步！