Windows下安装PyTorch0.4.0 - 好文

更新提醒：本文已过期，PyTorch1.0正式版已发布，Windows下安装最新的PyTorch1.0请移步本人另一篇博客：
Windows下安装PyTorch1.0
<https://blog.csdn.net/xiangxianghehe/article/details/86300773>。
本文系转载，出处：https://blog.csdn.net/sunqiande88/article/details/80085569
<https://blog.csdn.net/sunqiande88/article/details/80085569>。
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。相信在不久的
TensorFlow1版本，谷歌会正式为TensorFlow加入动态图的支持！

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的官方Windows支持
2018年4月25日，PyTorch 官方发布 0.4.0 版本，该版本的PyTorch 有多项重大更新，其中最重要的改进是支持 Windows 系统。
Windows用户能直接通过conda、pip和源码编译三种方式来安装Pytorch，不过需要强调Windows下的Pytorch仅支持Python3.5和
Python3.6，不支持其他的Python3版本，也不支持Python2。我们在官网 <http://pytorch.org/>就能看到相应的安装方式：

方法一：pip安装

Python3.6+pip安装cpu版本
pip install
http://download.pytorch.org/whl/cpu/torch-0.4.0-cp36-cp36m-win_amd64.whl
Python3.5+pip安装cpu版本
pip install
http://download.pytorch.org/whl/cpu/torch-0.4.0-cp35-cp35m-win_amd64.whl
Python3.6+pip安装gpu版本
目前gpu版本支持cuda8.0,cuda9.0和cuda9.1，请选择对应的版本下载安装，不要同时执行下面三个命令！
pip install
http://download.pytorch.org/whl/cu80/torch-0.4.0-cp36-cp36m-win_amd64.whl pip
install
http://download.pytorch.org/whl/cu90/torch-0.4.0-cp36-cp36m-win_amd64.whl pip
install
http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whl
Python3.5+pip安装gpu版本
目前gpu版本支持cuda8.0,cuda9.0和cuda9.1，请选择对应的版本下载安装，不要同时执行下面三个命令！
pip install
http://download.pytorch.org/whl/cu80/torch-0.4.0-cp35-cp35m-win_amd64.whl pip
install
http://download.pytorch.org/whl/cu90/torch-0.4.0-cp35-cp35m-win_amd64.whl pip
install
http://download.pytorch.org/whl/cu91/torch-0.4.0-cp35-cp35m-win_amd64.whl
方法二：Conda安装

如果你是Anaconda|Python用户，就不需要区分Python3.5和Python3.6，执行命令:
conda install pytorch -c pytorch
就可以完成安装。不过这个默认安装的是cuda8.0的gpu版本,如果你需要安装cuda9.0或cuda1.0的gpu版本，请执行：
conda install pytorch cuda90 -c pytorch
或者
conda install pytorch cuda91 -c pytorch
来进行安装。
测试安装是否成功
import torch print(torch.__version__)
如果输出0.4.0，那么恭喜Windows下的PyTorch0.4.0安装成功！

最后需要安装 torchvision：
pip install torchvision
一般gpu版本配置需要cuDNN，而cuDNN需要注册才能下载，下载速度太慢，有网友提供两个百度云的下载链接，cuDNN安装教程见这里
<https://blog.csdn.net/Eppley/article/details/79299489>。

Win10-x64+CUDA8+cuDNN v7 <https://pan.baidu.com/s/1dhnhzm3j6ZXFpDvYn4bgJA>
Win10-x64+CUDA8+cuDNN v6 <https://pan.baidu.com/s/1wZIimaJtJW-SqQAZ0ahNXQ>

热门工具换一换