嘿，大家好！深度学习和机器学习领域发展迅猛，而PyTorch是一个广泛使用的深度学习平台。然而，有时最新版本的PyTorch可能不适合你的项目，或者你需要与特定版本兼容。今天，我将向你展示如何在Ubuntu上安装PyTorch 1.5，以及如何检查安装是否成功。
无论你是深度学习新手还是经验丰富的研究人员，这篇文章都将帮助你轻松安装PyTorch 1.5，并确保它与你的项目兼容。
步骤1：准备工作
在开始之前，确保你已经具备以下条件：
- 你可以运行Python，并且拥有包管理器如pip或conda。
- 你已经安装了Miniconda或Anaconda。如果没有，可以查看我们之前的文章，了解如何安装Miniconda。
步骤2：检查是否已安装CUDA（可选）
在安装PyTorch之前，强烈建议你已经安装了CUDA。请注意，PyTorch 1.5.0/1.5.1不支持CUDA 11.0。如果你尚未安装CUDA，请参考相关教程安装CUDA 10.2。
一旦你安装了CUDA，可以使用以下命令检查其版本：
nvcc --version步骤3：使用conda安装PyTorch 1.5
接下来，我们将使用conda来安装PyTorch 1.5。根据你的CUDA版本选择适当的命令。
- 对于CUDA 10.2：
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2 -c pytorch- 对于CUDA 10.1：
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1 -c pytorch- 对于CUDA 10.0：
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.0 -c pytorch- 对于CUDA 9.2：
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2 -c pytorch- 仅CPU（注意，性能较差）：
conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly -c pytorch步骤4：验证PyTorch 1.5.1是否安装成功
安装完成后，我们来验证一下是否成功。打开Python（或Python3）交互式环境，并运行以下命令：
import torch
print(torch.__version__)这将输出你所安装的PyTorch版本，应该是1.5.1或1.5.0，取决于你的安装。
步骤5：验证PyTorch 1.5.1是否使用CUDA
如果你安装了CUDA并希望确认PyTorch是否使用了它，可以运行以下Python代码：
import torch
torch.cuda.is_available()这将告诉你PyTorch是否能够使用CUDA。如果它返回True，则表示PyTorch已成功配置为使用CUDA。
结语
恭喜你，你已成功安装PyTorch 1.5并验证了它是否使用了CUDA。现在你可以开始深入学习和实验深度学习模型了！
什么是PyTorch？
PyTorch是一个开源的深度学习平台，用于研究、测试、部署，具有可扩展性和灵活性。它通过一个自动梯度组件支持快速、模块化的实验，旨在实现快速、类似Python的执行。随着PyTorch 1.0的推出，该平台现在具有基于图的执行、混合前端以实现平滑的模式切换、协作测试以及在移动平台上的有效和安全部署。
根据其官方主页，PyTorch有四个关键特点：
- PyTorch已准备好投入生产：TorchScript可平滑切换急切和图模式，TorchServe加速了生产过程。
- PyTorch支持分布式训练：torch.collaborative接口支持高效的分布式训练和研发中的性能优化。
- PyTorch具有强大的生态系统：它具有丰富的工具和库的生态系统，支持计算机视觉和自然语言处理等应用。
- PyTorch具备本地云支持：它以零摩擦的开发和在关键云提供商上的快速扩展而闻名。
现在，你已经准备好在PyTorch的世界中踏上学习之旅！
微信扫一扫 
