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：
代码语言：javascript复制jupyter --version
不然，如下进行安装：
代码语言：javascript复制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：
代码语言：javascript复制$ python - <<EOF
import torch, torchvision
print(torch.__version__, torch.cuda.is_available())
EOF
1.7.1 True
导入 PyTorch 环境
代码语言：javascript复制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 ：
代码语言：javascript复制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。
