快2周没更新博客了，别问为什么！我才不会告诉你忙的飞起！说心里话，个人更喜欢用tensorflow来做深度学习！

一、环境配置

1.win10 64位系统；

2.anaconda3；

3.不管是CPU还是GPU具有（服务器是GPU，自己的笔记本是CPU版本）

二、安装

安装比较简单，由于之前也是基于anaconda3安装的tensorflow，现在也是照本宣科。这一步不了解的可以参照之前的博客https://blog.csdn.net/u010554381/article/details/86476015

下面直接进入主题，创建一个新的环境

1.打开anacondaprompt，创建pytorch虚拟环境（numpy、pyyaml和mkl三个库安装）

conda create -n pytorch python =3.6 numpy pyyaml mkl

2.激活pytorch环境：

 activate pytorch

3.安装pytorch：

pip install E:\library\pytorch\torch-1.0.0-cp36-cp36m-win_amd64.whl

切记该环境下路径采用“\”！此外pytorch安装是采用本地安装文件的形式，博主采用在线安装存在网速过慢的原因，所以在网上下载文件再安装，速度很快！下面是相应文件的百度云下载链接，

GPU版本：链接：https://pan.baidu.com/s/1xg8fnNkY6loE9YgDXxWmSQ  提取码：4kbm 

CPU版本：链接：https://pan.baidu.com/s/1MAu3jS2BNxX3AqikN-hqyQ   提取码：ppcz 

三、测试

1.GPU版本的测试

在刚才的anacondaprompt中输入：

pythonimport torchtorch.cuda.is_available()

 

若出现“True”证明gpu版本安装成功，

2.非gpu版本测试

print(torch.__version__)

若出现相应的版本证明安装成功，切记是两个_

四、简单描述下使用pytorch和tensorflow的区别：

pytorch相较于tensorflow是更高层次的API集成，使用起来的确没有tensorflow那么基层，但是conv2d的函数还有很不一样的，举个例子，pytorch的卷积层conv2d函数的输入是H * W，输出是H1 * W1，kernel的size为n*n，stride =S

conv2d的padding不补0时，H1 =(H - n+1)/S（向上取整）;（感觉和tensorflow不太一样，之前被坑了好久）

相应的maxpooling2d：H1 =(H - n+1)/S（向上取整）

如果有错误敬请指正，谢谢！