PyTorch提供了一个简洁快速的安装过程，这也是PyTorch优势之一。PyTorch支持Windows、Linux、MacOS等操作系统，目前为止最新版本PyTorch对操作系统的要求如下。
（1）Windows操作系统。
Windows 7及以上版本，推荐Windows 10或更高版本。
Windows Server 2008 R2 及更高版本。
（2）Linux操作系统。
使用glibc >= v2.17 的 Linux 发行版支持安装 PyTorch，其中包括Ubantu 13.04 及以上版本，具体的支持版本列表参考PyTorch文档。
（3）MacOS操作系统。
macOS 10.15 （Catalina）或更高版本支持 PyTorch。
安装PyTorch之前需先安装Python，推荐使用Python 电脑 3.7以上的64位版本。本书推荐使用Miniconda搭建Python环境。Miniconda是最小的Conda安装程序，它提供了类似沙盒的环境，避免了在老的Python环境中安装可能会遇到的库依赖冲突等问题，对初学者十分友好。Miniconda本身包含着Python，安装完Miniconda我们将获得Conda包管理工具和Python环境。
可在Miniconda官网（网址为https://docs.conda.io/en/latest/miniconda.html）下载适合读者当前系统的、64位版本的、使用Python 3的Miniconda安装包，下载页面截图如图1-1所示。
图1-1 Miniconda官网下载页面
Miniconda的安装比较简单，Windows平台下双击安装包，根据提示单击“下一步”按钮，使用默认设置安装即可。Linux系统使用bash命令安装，安装过程中会询问是否添加到系统环境，选择“y”选项即可添加到系统环境。MacOS平台下载PKG的安装包安装。安装好Miniconda后，我们就安装完Python环境了。Windows平台下可在程序中搜索Anaconda Prompt(miniconda) ，找到后单击它即可进入命令行环境，如图1-2所示。
图1-2 Anaconda Prompt 命令行
注意：图1-电脑2命令行前面的（base）表示我们已经进入了Miniconda基础环境。在Linux等平台，如果安装Miniconda时选择了添加到系统环境，直接打开终端即可。
1.3.1 CPU版本安装PyTorch分为CPU版本和GPU版本，GPU版本需有NVIDIA显卡硬件支持，如果读者的计算机没有NVIDIA显卡硬件支持，请直接安装CPU版本，安装命令参考PyTorch官网https://pytorch.org/get-started/locally/。
官网为我们提供了安装命令的提示，这一点非常的方便，无论之后版本如何变化，都建议读者按照官网这里的提示进行安装，PyTorch官网的CPU安装提示如图1-3所示。
图1-3 PyTorch官网CPU安装提示
在图 1-3 所示的PyTorch官网网页上，从上到下依次选择安装版本（PyTorch Build）、系统平台（Your OS）、安装方式（Package）、编程语言（Language）以及计算平台（Compute Platform），网页会给出安装命令。例如在图1-3中， PyTorch Build处选择Stable(1.11.0)， Your OS处选择Windows， Package处选择Conda， Language处选择Python，Compute Platform处选择CPU，则网页给出PyTorch 当前最新稳定版CPU版本的安装命令如下。
conda install pytorch torchvision torchaudio cpuonly 电脑 -c pytorch
将这行安装命令复制到Anaconda Prompt命令行或者终端，执行即可开始CPU版本的安装，安装过程中如果没有提示下载中断或错误，说明成功地安装了CPU版本的PyTorch。
1.3.2 GPU版本安装GPU版本的PyTorch可以利用NVIDIA GPU强大的计算加速能力，使PyTorch的运行更为高效，尤其是可以成倍提升模型训练的速度。GPU版本需有NVIDIA显卡硬件支持，如果选择安装GPU版本，请确保计算机已安装NVIDIA显卡和显卡驱动并且显卡型号支持CUDA，具体显卡型号是否支持可查询NVIDIA官网。
CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。为了使用CUDA，需要安装CUDA Toolkit套件，它会与PyTorch一并使用Conda安装。下面将演示的安装教程仅适用Windows和Linux平台，MacOS平台GPU版本的安装需要从源码构建。
GPU版本的安装依然通过PyTorch官网安装页面（https://pytorch.org/get-started/locally/）选择安装命令，如图1-4所示。
图1-4 PyTorch官网GPU安装提示
在图1-4中，从上到下依次选择安装版本（PyTorch Build）、系统平台（Your OS）、安装方式（Package）、编程语言（Language）以及计算平台（Compute Platform），即在PyTorch Build处选择Stable(1.11.0)， Your OS处选择Windows， Package处选择Conda，Language处选择Python，Compute 电脑 Platform处选择CUDA 11.6，则网页会给出如下安装命令。
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
将这行安装命令复制到Anaconda Prompt命令行或者终端，执行即可完成GPU版本的安装。安装过程中需要从Anaconda提供的官方源下载PyTorch和CUDA Toolkit等安装包，这些包都比较大，如果发生了网络中断，读者可尝试重新执行安装命令再次安装。读者在选择CUDA版本时有以下两点要特别注意。
（1）Windows平台只能选择 CUDA 11.3或更高版本。
（3）关于这个CUDA 的选择，在本书写作的时候仅有图中显示的11.6和11.7两个版本，未来可能会发生变化，总的原则是，尽量选择的高的版本。
以上为CPU版本和GPU版本的安装过程，读者根据自己的计算机有无NVIDIA显卡选择一个版本安装即可。除此之外，Windows平台还需要安装Microsoft Visual C++（VC_redist.x64.exe），可从微软网站（网址为 https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist）下载安装最新支持的 Visual C++ 。在很多时候，读者的计算机可能已经安装过这个Visual C++，如果安装的时候提示已经安装了其他版本，那就没有必要重复安装了。
完成PyTorch库的安装后，我们还需要安装辅助的库，例如绘图库Matplotlib、数据分析库pandas以及开发编辑工具Jupyter Notebook等，可在Anaconda Prompt命令行或者终端执行以下安装命令。
pip install pandas matplotlib notebook
至此，环境配置结束。
下面来测试一下我们的安装是否成功。上面命令已安装了Jupyter Notebook，Jupyter Notebook是基于网页的、用于交互计算的应用程序，其可被应用电脑于全过程计算：开发、文档编写、运行代码和展示结果。简单来说，Jupyter Notebook以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于笔者及时地说明和解释。Jupyter Notebook是本书推荐读者使用的代码编写工具，它对初学者十分友好，是数据分析的标准环境，其使用界面如图1-5所示。
图1-5 Jupyter Notebook使用界面
要打开Jupyter Notebook，需要在Anaconda Prompt命令行或终端中执行如下命令。
jupyter notebook
然后按Enter键，即可在浏览器中打开Jupyter Notebook的Home页面，如图1-6 所示。
图1-6 Jupyter Notebook的Home页面
单击Home页面右上角的New下拉列表框，在下拉列表中选择“Python 3”选项，会打开一个新的编写代码页面，如图1-7所示。
图1-7 Jupyter Notebook编写代码页面
这样我们就新建一个kernel，它只有一个闪着光标的空行，我们在这一行输入以下代码即可导入PyTorch。
import torch
按住shift键并单击Enter键执行此行代码，如果没有报错且行号前面出现了“[1]”，说明PyTorch安装成功并已导入当前环境，如图1-8所示。
图1-8 导入PyTorch
执行完代码后，会在代码下面自动添加一个空行，方便继续编写代码。我们可以构造一个随机初始化的张量来测试一下PyTorch。在下一行输入以下代码。
x = torch.rand(5, 3)
print(x)
如果一切顺利，将看到类似如图1-9所示的输出。
图1-9 生成并打印随机数
如果安装的是GPU版本，可运行以下代码以确认是否启用了CUDA驱动程序。
torch.cuda.is_available()
执行上面这行代码，如果返回值为True，说明成功安装了GPU版本的PyTorch。
1.4 本章小结本章我们介绍了PyTorch库，并详细讲解了环境配置和安装。学习完本章，读者需要在自己的计算机上完成PyTorch的安装并做测试。PyTorch库的安装相比TensorFlow等类似库要简单很多，其关键点在使用Miniconda配置环境并严格按照官网的安装命令提示进行安装。
电脑 电脑
