初次在pycharm中安装pytorch踩了不少坑，做一个记录进行总结。
一，安装pycharm的过程就不写了，首先打开官网https://pytorch.org/，根据自己的实际需要选择版本：
其中CUDA版本号查询方法如下：
1.打开NVIDIA控制面板
2.打开系统信息
3.点击组件查看，版本号10.2
4.复制此段代码：
pip install torch===1.6.0 torchvision===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
在pycharm终端执行该段代码
1.6.0版本又一个多G，慢慢等待
5.下载完毕之后本以为没问题了结果报错：ERROR: Could not install packages due to an EnvironmentError: [Errno 2] No such file or directory: 'C:\\Users
经关一系列的尝试和baidu，最终找到了一个解决方法，在pip install 后面加上--user，以上安装代码改为
pip install --user torch===1.6.0 torchvision===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
最后安装成功
6.最后在别人的博客里面找到了一个测试代码：
```
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
from torch.autograd import Variable
# Training settings
batch_size= 64
# MNIST Dataset
train_dataset= datasets.MNIST(root='./mnist_data/',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? train=True,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? transform=transforms.ToTensor(),
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? download=True)
test_dataset= datasets.MNIST(root='./mnist_data/',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?train=False,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?transform=transforms.ToTensor())
# Data Loader (Input Pipeline)
train_loader= torch.utils.data.DataLoader(dataset=train_dataset,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? batch_size=batch_size,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? shuffle=True)
test_loader= torch.utils.data.DataLoader(dataset=test_dataset,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?batch_size=batch_size,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?shuffle=False)
class Net(nn.Module):
? ? ? def __init__(self):
? ? ? ? ? ?super(Net,self).__init__()
? ? ? ? ? ?self.l1= nn.Linear(784,520)
? ? ? ? ? ?self.l2= nn.Linear(520,320)
? ? ? ? ? ?self.l3= nn.Linear(320,240)
? ? ? ? ? ?self.l4= nn.Linear(240,120)
? ? ? ? ? ?self.l5= nn.Linear(120,10)
? ? ?def forward(self,x):
? ? ? ? # Flatten the data (n, 1, 28, 28) --> (n, 784)
? ? ? ? ? x= x.view(-1,784)
? ? ? ? ? x= F.relu(self.l1(x))
? ? ? ? ? x= F.relu(self.l2(x))
? ? ? ? ? x= F.relu(self.l3(x))
? ? ? ? ? x= F.relu(self.l4(x))
? ? ? ? ? return F.log_softmax(self.l5(x))
? ? ? ? ? #return self.l5(x)
model= Net()
optimizer= optim.SGD(model.parameters(),lr=0.01,momentum=0.5)
def train(epoch):
? ? # 每次输入barch_idx个数据
? ? for batch_idx, (data, target)in enumerate(train_loader):
? ? ? ? data, target= Variable(data), Variable(target)
? ? ? ? optimizer.zero_grad()
? ? ? ? output= model(data)
? ? ? ?# loss
? ? ? ? loss= F.nll_loss(output, target)
? ? ? ? loss.backward()
? ? ?# update
? ? ? ? optimizer.step()
? ? ? ? if batch_idx% 100 == 0:
? ? ? ? ? ? print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
? ? ? ? ? ? ? ? epoch, batch_idx* len(data),len(train_loader.dataset),
? ? ? ? ? ? ? ? 100. * batch_idx/ len(train_loader), loss.item()))
def test():
? ? test_loss= 0
? ? correct= 0
? ? # 测试集
? ? for data, targetin test_loader:
? ? ? ? data, target= Variable(data,volatile=True), Variable(target)
? ? ? ? output= model(data)
? ? ? ? # sum up batch loss
? ? ? ? test_loss+= F.nll_loss(output, target).item()
? ? ? ? # get the index of the max
? ? ? ? #pred = output.data.max(1, keepdim=True)[1]
? ? ? ? pred= output.data.max(1)[1]
? ? ? ? correct+= pred.eq(target.data.view_as(pred)).cpu().sum()
test_loss/= len(test_loader.dataset)
print('\nTest set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%)\n'.format(
? ? ?test_loss, correct,len(test_loader.dataset),
? ? ?100. * correct/ len(test_loader.dataset)))
for epochin range(1,6):
? ? train(epoch)
? ? test()
```
测试结果：
