PyTorch 于 JupyterLab 的环境准备

PyTorch 是目前主流的深度学习框架之一，而 JupyterLab 是基于 Web 的交互式笔记本环境。于 JupyterLab 我们可以边记笔记的同时、边执行 PyTorch 代码，便于自己学习、调试或以后回顾。

本文将介绍这样的环境如何进行准备。了解更多：

• PyTorch 官方文档: https://pytorch.org/docs/
• JupyterLab 交互式笔记本

安装 Anaconda

• Anaconda: https://www.anaconda.com/products/individual#Downloads
• 北外镜像源: https://mirrors.bfsu.edu.cn/help/anaconda/

# 激活 base 环境
conda activate base

安装 JupyterLab

• JupyterLab: https://jupyterlab.readthedocs.io/

应该已随 Anaconda 安装，如下查看版本：

jupyter --version

不然，如下进行安装：

conda install -c conda-forge jupyterlab

执行 jupyter lab 启动，浏览器会打开 http://localhost:8888/ ：

版本 < 3.0 建议安装 TOC 扩展：

jupyter labextension install @jupyterlab/toc

• TOC 扩展: https://github.com/jupyterlab/jupyterlab-toc

TOC 目录效果如下：

创建 PyTorch 环境

• PyTorch: https://pytorch.org/

# 创建虚拟环境
conda create -n pytorch python=3.8 -y
conda activate pytorch

# 安装 PyTorch with CUDA
#  NOTE: Python 3.9 users will need to add '-c=conda-forge' for installation
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2 -c pytorch -y

• torch, torchvision, python 版本兼容情况 https://github.com/pytorch/vision#installation
• CUDA Toolkit 与 Nvidia 驱动版本兼容情况 https://docs.nvidia.com/deploy/cuda-compatibility/index.html#binary-compatibility__table-toolkit-driver
• Nvidia Driver 于 Ubuntu 推荐安装办法

如下检查 PyTorch 版本与 GPU 支持情况：

$ python - <<EOF
import torch, torchvision
print(torch.__version__, torch.cuda.is_available())
EOF
1.7.1 True

导入 PyTorch 环境

conda activate pytorch
# 安装 IPython kernel for Jupyter
conda install ipykernel -y
# 导入 pytorch 虚拟环境到 ipykernel
python -m ipykernel install --user --name pytorch --display-name "Python PyTorch"

Python PyTorch 即会添加进 Launcher：

开始写笔记

运行 JupyterLab ：

conda activate base
# 启动 JupyterLab
jupyter lab

浏览器会打开 http://localhost:8888/ ，如上节图片。

• 可于左侧 File Browser 浏览打开 *.ipynb 笔记
• 可于右侧 Launcher 创建编辑 Python PyTorch 笔记

笔记可编辑 Code 并执行：

或者 VS Code 安装 Jupyter 扩展进行浏览与编辑。

注意：笔记右上角选择的 Kernel 应为 Python PyTorch。