一、发展历程 （简单介绍）

(15年)caffe --> (16年)tensorflow1.x --> (17年)keras --> (18年)Tensorflow2.x --> (19年)pytorch。

面向gihub开源项目编程。

向下支持比较好，各个版本之间支持比较好，兼容性强。

版本分为GPU和CPU两种

二、配置环境（cpu）（比较容易）

pip install -U torch -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

pip install -U torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

三、配置环境（GPU）（比较复杂）

1.查看自己的卡适合哪个版本的CUDA

cmd命令如下

nvdia-smi

 建议：优先装11.x，因为该公司在更新的时候，可能对10.x版本就不再进行支持了。

2.安装CUDA

直接在百度搜CUDA（下面这篇博客详细的介绍了如何安装CUDA,亲测有效）

手把手教你安装CUDA（一看就会）_cuda安装_时代&信念的博客-CSDN博客

安装之后，在cmd中输入

nvcc-V

出现下列界面，证明安装成功

2.安装pytorch

1）直接在百度搜pytorch

PyTorch

然后我们在下面的这个网站里面来配置pytorch

https://download.pytorch.org/whl/torch_stable.html

按照自己的cuda 和python的版本去下载torch、torchvistion

1、2、3、4分别代表的是CUDA的版本、python版本、操作系统的类型、操作系统的位数。

将上面的两个文件安装到anacoda的sciprits下面

在这个'D:\anacoda\Scripts>'路径下pip 上面的包

torchvision-0.11.0+cu113-cp37-cp37m-win_amd64.whl

pip install torch-1.10.2+cu113-cp37-cp37m-win_amd64.whl

 上面的命令要根据自己下载的torch和torchvision进行改变

2）检查是否安装成功：

输入下列命令：

python

print(torch.cuda.is_available())

若出现下面的’TRUE‘，则证明安装成功

至此pytorch配置完成。