Ubuntu PyTorch与Jupyter Notebook的集成方法

在Ubuntu上集成PyTorch与Jupyter Notebook可以让你在一个环境中无缝地进行深度学习开发和数据科学实验。以下是详细的步骤：

安装Anaconda

首先，建议使用Anaconda来管理你的环境和包。Anaconda是一个开源的Python发行版，包含了conda、Python以及180多个科学包及其依赖项。

wget https://repo.anaconda.com/archive/Anaconda3-2023.07-2-Linux-x86_64.sh
bash Anaconda3-2023.07-2-Linux-x86_64.sh

按照提示完成安装过程，并激活Anaconda环境。

创建并激活虚拟环境

为了隔离项目环境，建议创建一个虚拟环境：

conda create -n pytorch_env python=3.8
conda activate pytorch_env

安装PyTorch

在激活的虚拟环境中，根据你的CUDA版本选择合适的PyTorch安装命令。以下是一些常见的CUDA版本对应的安装命令：

• 无GPU（CPU版本）：

  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• CUDA 11.3：

  conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
  

• CUDA 11.2：

  conda install pytorch torchvision torchaudio cudatoolkit=11.2 -c pytorch
  

安装Jupyter Notebook

在安装好PyTorch之后，你可以使用以下命令来安装Jupyter Notebook：

conda install jupyterlab

启动Jupyter Notebook

安装完成后，启动Jupyter Notebook：

jupyter lab

或者，你也可以指定工作目录启动JupyterLab：

jupyter lab --notebook-dir /path/to/your/notebook

验证安装

打开浏览器，访问 http://localhost:8888，你应该能够看到Jupyter Notebook的登录界面。输入你在启动Jupyter Notebook时设置的密码即可进入。

在Jupyter Notebook中使用PyTorch

一旦进入Jupyter Notebook，你可以像在普通的Python环境中一样导入和使用PyTorch。例如：

import torch
print(torch.__version__)

你还可以创建一个PyTorch Notebook，在其中编写和运行PyTorch代码，进行深度学习实验。

使用虚拟环境管理依赖

为了确保项目依赖的可复现性，建议使用 requirements.txt 文件记录项目的依赖包：

pip freeze > requirements.txt

这样，其他人可以通过以下命令复现你的环境：

pip install -r requirements.txt

通过以上步骤，你就可以在Ubuntu上成功集成PyTorch与Jupyter Notebook，开始你的深度学习和数据科学项目。