---

1. 什么是PyTorch

PyTorch 是一種用于構建深度學習模型且功能完備的開源框架，通常用于處理圖像識別和語言處理等應用當中的機器學習。PyTorch 保留了 Torch（Lua版）的許多核心思想和設計理念，可以被看作是 Torch 的繼承或進化版。由于它用 Python 編寫，因此學習和使用起來相對簡單。

PyTorch 是 Facebook AI Research（FAIR） 和其他幾個實驗室開發者的工作成果。該框架將 Torch 中高效而靈活的 GPU 加速后端庫與直觀的 Python 前端相結合，能完全支持 GPU，其中使用的“反向模式自動微分”技術，使得 PyTorch 可以動態修改計算圖形，成為快速實驗和原型設計的常用選擇。它于 2017 年 1 月在 Github 上開源。

PyTorch的主要特點：

• PyTorch.org 社區十分活躍，有大量優秀文檔和教程；
• 采用 Python 編寫，并集成了大量的熱門 Python 庫，對于開發者而言相對容易學習；
• 支持用于實驗的“即時模式”，也支持用于高性能執行的“圖形模式”；
• 支持 CPU、GPU、并行處理以及分布式訓練；
• PyTorch 支持動態計算圖形，能夠在運行時更改網絡行為，相比其他的靜態計算具有更大的靈活性優勢；
• PyTorch.Hub 是一個預訓練模型庫，具有極簡的調用接口；
• 擁有從計算機視覺到增強學習等領域的大量工具和庫。

2. PyTorch的安裝與配置（無GPU）

在開始安裝 PyTorch 之前，需要先確認是否滿足以下條件：

1. 操作系統要求：
   • Windows 7 及更高版本；建議 Windows 10 及以上版本；
   • Windows Server 2008 r2 及更高版本
2. Python版本：目前 Windows 上的 PyTorch 僅支持 Python 3.8-3.11，不支持 Python 2.x

2.1 創建環境

深度學習項目通常依賴于多個第三方庫和框架，且這些庫中許多都有特定版本依賴關系和兼容性問題，因此，為了確保各項目的依賴包不會互相沖突，盡量地使用環境管理工具，將不同項目的環境隔離開。

這里我們用前文《安裝conda并搭建python環境（入門教程）》提到的環境管理工具 Conda。依次運行如下命令創建名為 pytorch_env 的虛擬環境，安裝的解釋器為 Python=3.8，并激活該環境。

# 創建環境
conda create --name pytorch_env python=3.8  
# 激活環境
conda activate pytorch_env

2.2 安裝pytorch庫（無GPU）

在 PyTorch 官網當中，可以根據自己本地的安裝環境，配置相應的條件得到安裝命令。這里我們選擇的條件是：穩定版，Win系統，conda命令安裝，Python語言，僅有CPU。

根據所選條件，生成安裝命令 conda install pytorch torchvision torchaudio cpuonly -c pytorch。我們在已激活的 pytorch_env 環境下，輸入上述命令運行即可。

Conda 在安裝 PyTorch 時能自動安裝該庫所有的依賴項。在安裝過程中會彈出是否繼續運行（安裝所列出的依賴項）的提示，輸入 y 回車即可。

最后出現一個 done，說明安裝完成。

2.3 驗證安裝結果

為了確保 PyTorch 已正確安裝，我們可以通過運行 PyTorch 測試代碼來驗證。這里我們創建一個 test.py 文件，代碼內容如下：

import torchx = torch.rand(5, 3)
print(x)

在安裝了 PyTorch 的 pytorch_env 環境下，執行 python test.py 以運行該測試文件。PyTorch 安裝成功的話，輸出應類似于下圖：

如果安裝的是 GPU 版本，還可以通過如下代碼檢查 GPU 驅動程序和 CUDA 是否已啟用并可供 PyTorch 訪問。由于本文我們介紹的是 CPU 版本的安裝，因此無需驗證下面代碼。

import torch
torch.cuda.is_available()

盡管CPU版本的 Pytorch 在核心功能接口方面并沒有與 GPU 版本有差異，但由于沒有利用 GPU 的并行計算能力，在訓練深度學習模型和處理大規模數據時性能會相對差很多。