Windows下安装PyTorch0.3.0

本文系转载，出处：关于 PyTorch 0.3.0 在Windows下的安装和使用。

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

 。2017年12月5日，深度学习框架

PyTorch

更新到0.3.0。

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

TensorFlow1.5

左右，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Windows支持

PyTorch

官方暂时没有提供

Windows

下的

pip

或者

conda

安装包。不过关于

PyTorch

的

Windows

官方

CI

和官方版本，

Soumith

大神已经发话了：准备在

Pytorch 0.4.0

添加

Windows

正式版支持，

CI

版本正在搭建中。不过知乎有个用户蒲嘉宸为大家孜孜不倦地提供着自己在

Windows

 下的

PyTorch pip

和

conda

安装包。关于具体编译过程，大家可以去看下他的知乎主页。

PyTorch在Windows下的安装

据网友反应，这次的包需要

CUDA 9

 才能使用。

CUDA 8

 的包过两天上传，暂时可以访问这个页面获取

CI

的包进行使用，注意要先安装

VC2017 Redist

。在

conda-build

没有提供

MSVC 2017

的支持之前，我们没有办法来制作相应的

Conda

包，因此只能通过

whl

包来进行安装。具体怎么安装呢？目前将编译好的包上传到了

Github

的Release页面上(旧的包没有启用BLAS，已删除，新的正在上传中)，国内的在百度云，需要的用户可以自己下载安装。安装的命令如下：

# 对于 Conda 的用户
conda install numpy mkl pyyaml cffi

# For Python 3.5
pip install torch-0.3.0b0.591e73e-cp35-cp35m-win_amd64.whl

# For Python 3.6
pip install torch-0.3.0b0.591e73e-cp36-cp36m-win_amd64.whl

1
2
3
4
5
6
7
8
如果你是

Anaconda|Python

用户，请执行第一条命令，然后在这里下载对应

whl

文件或

bz2

文件进行安装。 
如果你安装了原生

Python

，请直接下载

whl

文件根据对应版本，按照后两条命令安装即可。 
另外下载链接里面文件对应

Python

和

PyTorch

多个版本，请根据自己的实际需要下载和安装。 
关于

bz2

文件的安装教程，见： Win10 Python3.6下安装Pytorch。

测试

在

Python

交互模式下输入：

import torch

1
如果不报错，就是安装成功！笔者上传下自己和读者传来的安装成功图：

版本日志

错误修复

backward

中的错误会导致死锁

DataLoader

多线程时的内存泄漏

torch.cuda

中的缩进

bug

新功能

添加对 

CUDA

 和 

cuDNN

 新版本的支持
添加对 

Ninja

 和 

clcache

 编译器的支持

存在问题

Conda

下的

bz2b

包不支持 

Python3.5

 及以下的版本
不能支持 

torch.distributed

（分布式）、

NCCL

（多卡）和 

Magma

不能把 

num_worker

 设置为1以上的值。有问题可以尝试调成0。另外代码入口得用以下的if语句包裹。即代码里面必须要有：

if __name__ == '__main__':

1
Win10 Python3.6下安装Pytorch见本人另一篇博客：http://blog.csdn.net/xiangxianghehe/article/details/73500031，此版本是Pytorch0.2 。Ubuntu 16.04下安装的Pytorch的教程 见本人另一篇博客：http://blog.csdn.net/xiangxianghehe/article/details/78662289。