1-5　开发环境安装

Python是目前机器学习主流的程序语言，可以直接在本地安装开发环境，或使用云端环境。本书首先介绍本地安装的程序，建议依照以下顺序安装。

（1）安装Anaconda：建议安装此软件，它内含Python及上百个常用套件。先从https://www.anaconda.com/products/individual下载安装文件，在Windows操作系统安装时，建议执行到下列画面时，两者都勾选，就可将安装路径加入至环境变量Path内，这样在任何目录下均可执行Python程序。Mac/Linux则须自行修改登录文件(profile)，增加Anaconda安装路径。

（2）安装PyTorch最新版：参阅PyTorch官网(https://pytorch.org/get-started/locally/)，依次选择版本(PyTorch Build)、操作系统(Your OS)、指令(Package)、语言(Language)、CPU/GPU，选完后，会自动产生安装指令(在最下面一列)，指令的pip3应改为如下pip。

（3）在Windows操作系统安装时，开启DOS窗口，Mac/Linux则须开启终端机，依次输入上一步骤产生的指令，例如：

pip install torch==1.10.1+cu113 torchvision==0.11.2+cu113

torchaudio===0.10.1+cu113 -f

https://download.pytorch.org/whl/cu113/torch_stable.html

** PyTorch安装GPU SDK为CUDA Toolkit的子集合，与TensoFlow安装的CUDA Toolkit版本不同也不会互相冲突。

（4）测试：安装完，在DOS窗口或终端机内输入python，进入交互式环境，再输入以下指令测试：

> >>import torch

>>>torch.__version__

>>>exit()

会出现版本，例如：

1.10.0+cu113

注意，目前只支持NVIDIA独立显卡，若是较旧的显卡必须查阅驱动程序搭配的版本信息，请参考NVIDIA官网说明 ^[5] ，例如下图。

奉劝各位读者，太旧的显卡若不能安装PyTorch/TensorFlow支持的版本，就不用安装CUDA Toolkit、cuDNN SDK了，因为显卡内存过小，执行PyTorch/TensorFlow时常会发生内存不足(OOM)的错误，徒增困扰。 oyHqxJ3auOWjmk27WkVYRuwJf60iKbdEYGKywnSeX6GOCur26mtJXuAbncgfWZ8j