PaddlePaddle、PyTorch与TensorFlow的对比

Pytorch/TensorFlow/Paddle深度学习框架安装(GPU版本)

一、简介

Pytorch、TensorFlow都是著名的深度学习平台，Paddle也是。Pytorch、TensorFlow很显然在国内外都很受欢迎的，学习难度是TensorFlow大于Pytorch，随着TensorFlow的发展趋势，现在学习难度已经大大降低了很多，逐渐与Pytorch持平，Pytorch、TensorFlow各有千秋，任选一个学习都没问题。这里提一提的是TensorFlow1.x版本和TensorFlow2.x的版本许多API变动很大，因此在前者环境下写的程序在后者环境下运行一般都报错，它的高版本不向下兼容。
Paddle是由国内的百度公司推出的开源深度学习框架，符合国人的使用习惯和阅读理解，因此相关的学习文档会很容易入门。如果是零基础学习深度学习，那么Paddle是很适合的，只要了解并入门Paddle，那么Pytorch、TensorFlow也会间接掌握了解，这是因为这三者在不少API方面极其相似，相应的神经网络模型设计、优化器、数据处理方法都颇有异曲同工之妙。至于在生产实践中哪个较为好用，尚待考究。。。而且在学习Paddle的过程中百度公司提供了一系列的工具和资源来助力，比如云计算平台AI Studio、免费的视频教程讲解、更高级的API封装等等。

网页教程文档

1、Pytorch

登录后复制

https://pytorch.org/

2、TensorFlow

登录后复制

https://tensorflow.google.cn/

3、Paddle

登录后复制

https://www.paddlepaddle.org.cn/

二、下面来开始安装以上的深度学习框架库到python环境中

因为毕设的原因我安装了这三种深度学习框架库的GPU版本，安装GPU要求电脑具备英伟达NVIDIA独立显卡，AMD独立显卡不可以。如果没有NVIDIA独立显卡，只能安装CPU版本。为什么需要安装GPU版本的深度学习框架库？因为深度学习的各种神经网络模型训练，涉及到非常庞大的数据量计算，而显卡擅长大数据运算，CPU擅长复杂指令运算。

用到的软件工具

登录后复制

链接：https://pan.xunlei.com/s/VMYY8bSYSySzZSgioyWC4QgYA1
提取码：ipye

paddlepaddle pytorch对比 paddle tensorflow pytorch_tensorflow

1、Pycharm

编写Python程序的集成开发工具IDE

2、Anaconda

Anaconda支持图形界面操作和命令行操作，这里建议使用命令行方式操作。主要用于创建多个Python虚拟环境，安装Anaconda前如果电脑已经安装了Python环境A，那么安装Anaconda完后，电脑会有两个Python环境，一个是电脑先前安装的Python环境A，第二个是Anaconda自带的Python环境（base,Python==3.8）

后面会介绍这两个环境在深度学习中不会常用到，需要新建第三个第四个，以此类推至多个Python虚拟环境来使用。Anaconda就具备创建多Python虚拟环境的功能。在新建的虚拟环境下安装所用到的Python库。

paddlepaddle pytorch对比 paddle tensorflow pytorch_python_02

如果C盘空间不吃紧，建议Pycharm、Anaconda都安装到C盘目录下，即默认安装。安装GPU版的Pytorch大约会占用4-6GB硬盘空间，多是驱动文件占用空间大，且安装时间长，需要耐心等待。

安装CPU版占用空间几百MB，但会失去了GPU强劲的计算能力，具备NVIDIA GPU建议安装GPU版本。C盘空间实在不够用，Pycharm、Anaconda安装到其他盘符下原则上是没问题的。

3、安装NVIDIA CUDA工具包和加速计算库cudnn
安装完Anaconda，打开电脑菜单界面找到Anaconda Prompt(anaconda3)，

3.1、设置Anaconda镜像源为中科大源

登录后复制

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

paddlepaddle pytorch对比 paddle tensorflow pytorch_python_03

重复添加相同源警告

paddlepaddle pytorch对比 paddle tensorflow pytorch_神经网络_04

3.2、安装Pytorch/TensorFlow/PaddleCPU版

如果以上步骤做完，没有NVIDIA独立显卡，那么打开此链接安装CPU版本。

安装GPU版的继续往下看。

3.3、安装Pytorch/TensorFlow/PaddleGPU版

#创建一个名为tensorflow_gpu的python虚拟环境

登录后复制

conda create -n tensorflow_gpu python=3.7

输入y确认安装

paddlepaddle pytorch对比 paddle tensorflow pytorch_tensorflow_05

#激活某一个Anaconda下的Python虚拟环境

登录后复制

conda activate tensorflow_gpu

paddlepaddle pytorch对比 paddle tensorflow pytorch_python_06

安装NVIDIA CUDA工具包和加速计算库cudnn，在之前CUDA工具包和加速计算库cudnn需要到英伟达官网下载并安装，步骤相对繁琐。

由于新版本的Anaconda和镜像源的支持，现已支持在Anaconda命令行中直接安装NVIDIA CUDA工具包和加速计算库cudnn。

首先需要确认的是电脑显卡最高所能支持的CUDA版本，支持的CUDA版本低，则不能安装高版本的CUDA工具包和加速计算库cudnn。支持的CUDA版本高，能安装当前版本以下的所有版本CUDA工具包和加速计算库cudnn。查看电脑NVIDIA显卡当前驱动程序所支持的CUDA版本，在Windows桌面下鼠标右击，选中NVIDIA控制面板，点击打开控制面板左下角的系统信息，点击‘显示’右边的‘组件’，看到NVCUDA64.DLL属性信息 CUDA后面的 ‘11.3.70’ 即为NVIDIA显卡当前驱动程序所支持的最高CUDA版本。

paddlepaddle pytorch对比 paddle tensorflow pytorch_深度学习_07

paddlepaddle pytorch对比 paddle tensorflow pytorch_神经网络_08

CUDA工具包版本需要和加速计算库cudnn版本相对应，比如CUDA11.0对应的cudnn版本不能低于8.0。打开 https://developer.nvidia.com/rdp/cudnn-archive">https://developer.nvidia.com/rdp/cudnn-archive链接就可以查询cudnn和哪个CUDA版本匹配。

paddlepaddle pytorch对比 paddle tensorflow pytorch_tensorflow_09

3.4、安装NVIDIA CUDA工具包和加速计算库cudnn

#查询镜像源下的cuda版本信息

登录后复制

conda search cuda

#查询镜像源下的cudnn版本信息

登录后复制

conda search cudnn

#查询镜像源下的tensorflow-gpu版本信息

登录后复制

conda search tensorflow-gpu

paddlepaddle pytorch对比 paddle tensorflow pytorch_深度学习_10

3.4.1#安装CUDA工具包

conda install cudatoolkit=10.1
paddlepaddle pytorch对比 paddle tensorflow pytorch_神经网络_11

输入y确认安装###安装cudnn加速计算库

conda install cudnn=7.6.5

paddlepaddle pytorch对比 paddle tensorflow pytorch_深度学习_12

输入y确认安装

3.4.2

前面已安装

###安装TensorFlow-GPU库，用pip方式安装

登录后复制

pip install tensorflow-gpu==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

paddlepaddle pytorch对比 paddle tensorflow pytorch_深度学习_13

#验证TensorFlow-GPU库是否安装成功

登录后复制

conda activate tensorflow_gpu
python
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))
exit()#退出python环境

paddlepaddle pytorch对比 paddle tensorflow pytorch_python_14

3.4.3安装Paddle-GPU版本，用pip方式安装
#创建、激活虚拟环境

登录后复制

conda create -n paddle_gpu python=3.7
conda activate paddle_gpu

#安装CUDA工具包、cudnn加速计算库

登录后复制

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

paddlepaddle pytorch对比 paddle tensorflow pytorch_pytorch_15

#安装Paddle-GPU库

登录后复制

python -m pip install paddlepaddle-gpu==2.0.2.post100 -f https://paddlepaddle.org.cn/whl/mkl/stable.html

#验证Paddle-GPU库是否安装成功

登录后复制

conda activate paddle_gpu
python
import paddle
print(paddle.__version__)
print(paddle.fluid.install_check.run_check())
exit()

paddlepaddle pytorch对比 paddle tensorflow pytorch_python_16

3.4.3安装pytorch-gpu版本，用conda方式安装

#创建、激活虚拟环境

登录后复制

conda create -n pytorch_gpu python=3.7
conda activate pytorch_gpu

#安装CUDA工具包、cudnn加速计算库

登录后复制

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

paddlepaddle pytorch对比 paddle tensorflow pytorch_神经网络_17

#安装Pytorch-GPU库

登录后复制

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -c pytorch

paddlepaddle pytorch对比 paddle tensorflow pytorch_神经网络_18

###验证pytorch-gpu库是否安装成功

登录后复制

conda activate pytorch_gpu
python
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())
exit()

paddlepaddle pytorch对比 paddle tensorflow pytorch_tensorflow_19

4、安装步骤汇总

Paddle-GPU版本安装汇总：

登录后复制

#设置Anaconda镜像源为中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#创建、激活虚拟环境
conda create -n paddle_gpu python=3.7
conda activate paddle_gpu
###安装CUDA工具包、cudnn加速计算库
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
#安装Paddle-GPU库
python -m pip install paddlepaddle-gpu==2.0.2.post100 -f https://paddlepaddle.org.cn/whl/mkl/stable.html
#验证Paddle-GPU库是否安装成功
conda activate paddle_gpu
python
import paddle
print(paddle.fluid.install_check.run_check())
exit()

TensorFlow-GPU版本安装汇总：

登录后复制

#设置Anaconda镜像源为中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#创建、激活虚拟环境
conda create -n tensorflow_gpu python=3.7
conda activate tensorflow_gpu
#安装CUDA工具包、cudnn加速计算库
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
#安装TensorFlow-GPU库
pip install tensorflow-gpu==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
#验证TensorFlow-GPU库是否安装成功
conda activate tensorflow_gpu
python
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))

Pytorch-GPU版本安装汇总：

登录后复制

#设置Anaconda镜像源为中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#创建、激活虚拟环境
conda create -n pytorch_gpu python=3.7
conda activate pytorch_gpu
#安装CUDA工具包、cudnn加速计算库
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
#安装Pytorch-GPU库
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -c pytorch
#验证Pytorch-GPU库是否安装成功
conda activate pytorch_gpu
python
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())

三、Anaconda其他常用命令

1、删除环境

登录后复制