آموزش نصب PyTorch پایتورچ در ویندوز — گام به گام و تصویری

در این مقاله می‌خواهیم آموزش نصب PyTorch پایتورچ در ویندوز را به دو روش معمول یاد بگیریم. همانطور که می‌دانید، PyTorch یک کتابخانه متن‌باز است که به زبان پایتون توسعه داده شده و برای یادگیری ماشین و یادگیری عمیق طراحی شده است. با این حال، PyTorch تنها محدود به پایتون نیست. این کتابخانه دارای هسته‌ای است که به زبان ++C نوشته شده و از سرعت و کارایی بالا در پردازش داده‌ها و محاسبات ریاضی بهره می‌برد.

PyTorch چیست؟

PyTorch یک کتابخانه متن‌باز یادگیری عمیق است که توسط شرکت Meta متا (Facebook) توسعه داده شده و برای ساخت، آموزش و توسعه مدل‌های یادگیری ماشین و یادگیری عمیق استفاده می‌شود. PyTorch به دلیل ساختار منعطف، رابط کاربری پایتون‌محور، و عملکرد بالا یکی از محبوب‌ترین ابزارها در میان پژوهشگران و توسعه‌دهندگان است. این کتابخانه از Tensor Computation (محاسبات تنسوری) با شتاب GPU و Autograd (مشتق‌گیری خودکار) برای بهینه‌سازی مدل‌ها پشتیبانی می‌کند. با استفاده از این ابزار، می‌توان مدل‌های پیچیده‌ای برای وظایفی مانند پردازش تصویر، پردازش زبان طبیعی (NLP)، و تحلیل داده‌ها ایجاد کرد.

یکی از ویژگی‌های برجسته PyTorch، Dynamically Computational Graphs است که به شما امکان می‌دهد نمودار محاسباتی را به صورت پویا در زمان اجرا تغییر دهید. این ویژگی برای توسعه مدل‌های پیچیده و آزمایش ایده‌های جدید بسیار مفید است. علاوه بر این، PyTorch به لطف اکوسیستم گسترده‌اش، ابزارهایی مانند Torchvision (برای کار با داده‌های تصویری) و Torchaudio (برای داده‌های صوتی) را ارائه می‌دهد. پشتیبانی قوی جامعه کاربری و مستندات جامع باعث شده PyTorch در کنار TensorFlow به یکی از اصلی‌ترین ابزارها در حوزه یادگیری عمیق تبدیل شود.

پاورپوینت کتابخانه پای تورچ (PyTorch)

کلیک کنید

آموزش نصب PyTorch پایتورچ با pip

قبل از آموزش نصب PyTorch پایتورچ در ویندوز، ابتدا باید مطمئن شوید که Python به درستی روی سیستم شما نصب شده است. اگر Python نصب نیست، ابتدا باید آن را نصب کنید.

۱- نصب پایتون

نصب Python در ویندوز فرآیند ساده‌ای است که به شما این امکان را می‌دهد تا از این زبان برنامه‌نویسی قدرتمند برای توسعه نرم‌افزار و تحلیل داده‌ها استفاده کنید. با دنبال کردن مراحل نصب، می‌توانید Python را به راحتی روی سیستم خود نصب کرده و از امکانات آن بهره‌برداری کنید.

گام اول: دانلود Python

برای نصب Python در ویندوز، ابتدا باید به سایت رسمی پایتون مراجعه کنید. به آدرس python.org [+] بروید و نسخه مناسب سیستم‌عامل ویندوز خود را دانلود کنید. در صفحه دانلود، معمولاً نسخه جدیدترین نسخه پایدار پایتون نمایش داده می‌شود که به‌طور پیش‌فرض برای ویندوز توصیه شده است. بر روی گزینه “Download Python” کلیک کنید و فایل نصبی را دانلود نمایید. این فایل معمولاً با پسوند .exe است.

نکته: اگر ویندوز شما ۷ است، باید پایتون ورژن ۳.۸.۱۰ را نصب کنید. برای این کار وارد این لینک [+] شوید و از جدول پایین صفحه نسخه مورد نظر را برای سیستم خود دانلود کنید.

گام دوم: شروع نصب

پس از دانلود فایل نصبی، بر روی آن دوبار کلیک کنید تا نصب آغاز شود. در صفحه زیر از آموزش نصب PyTorch پایتورچ، مهم‌ترین گزینه‌ای که باید توجه کنید، تیک زدن گزینه Add Python to PATH است (بسیار مهم). این گزینه باعث می‌شود که Python به طور خودکار به مسیرهای سیستم ویندوز اضافه شود و بتوانید از طریق Command Prompt به راحتی آن را فراخوانی کنید. اگر این گزینه را تیک نزنید، باید به صورت دستی مسیر Python را به سیستم اضافه کنید که ممکن است مشکلاتی را ایجاد کند.

پس از اطمینان از انتخاب این گزینه، روی Customize Installation کلیک کنید اگر می‌خواهید تنظیمات خاصی اعمال کنید، وگرنه روی دکمه Install Now کلیک کنید.

گام سوم: تکمیل فرایند نصب Python

فرآیند نصب شروع می‌شود و چندین مرحله مختلف به طور خودکار انجام خواهد شد، از جمله نصب pip (مدیر بسته Python) و همچنین برخی از کتابخانه‌های پایه‌ای مانند setuptools. پس از پایان فرآیند نصب، صفحه‌ای نشان داده می‌شود که حاکی از پایان موفقیت‌آمیز نصب است. شما می‌توانید با کلیک بر روی گزینه Close فرایند نصب را خاتمه دهید.

گام چهارم: بررسی نصب Python

پس از نصب Python، باید اطمینان حاصل کنید که نصب به درستی انجام شده است. برای این کار، Command Prompt را باز کنید (با فشار دادن Win + R و وارد کردن cmd، سپس فشار دادن Enter). در پنجره Command Prompt، دستور زیر را وارد کنید:

python --version

اگر نصب موفقیت‌آمیز بوده باشد، نسخه Python نمایش داده خواهد شد، مثلاً Python 3.x.x. در غیر این صورت، ممکن است لازم باشد مراحل نصب را دوباره بررسی کنید.

۲- بررسی pip

هنگامی که Python نصب شد، ابزار pip که برای مدیریت بسته‌های Python استفاده می‌شود، به طور پیش‌فرض نصب شده است. این ابزار یکی از کلیدی‌ترین ابزارها برای نصب کتابخانه‌ها و پکیج‌های مختلف پایتون محسوب می‌شود. در آموزش نصب PyTorch پایتورچ نیز از pip برای نصب این کتابخانه استفاده می‌شود، زیرا به شما امکان می‌دهد نسخه مناسب PyTorch را به سرعت و به‌راحتی دانلود و نصب کنید. با استفاده از pip می‌توانید به تمامی کتابخانه‌های موردنیاز پروژه‌های خود دسترسی پیدا کنید.

– نکته: اگر فراموش کردید تیک گزینه Add Python to PATH را بزنید، ممکن است در ادامه فرآیند بررسی pip به مشکل بخورید، بنابراین پیشنهاد می‌کنیم حتماً مقاله آموزش نصب پکیج در Python را در این زمینه مطالعه نمایید.

برای بررسی نصب pip، دستور زیر را وارد کنید:

pip --version

اگر نسخه‌ای از pip نمایش داده شد، این به معنای نصب موفقیت‌آمیز آن است. اگر از قبل پایتون داشته باشید، ممکن است نیاز به آپدیت نسخه pip باشد. برای این کار دستور زیر را وارد نمایید:

python -m pip install --upgrade pip

در نهایت با دستور قبل می‌توانید از نصب بودن pip اطمینان حاصل کنید.

۳- نصب PyTorch

نصب PyTorch به شما این امکان را می‌دهد که از این کتابخانه قدرتمند برای یادگیری ماشین و پردازش‌های گرافیکی استفاده کنید. با نصب PyTorch، می‌توانید از قابلیت‌های پردازش موازی و آموزش مدل‌های پیچیده بر روی CPU یا GPU بهره‌مند شوید.

برای آموزش نصب PyTorch پایتورچ در ویندوز، ابتدا باید به سایت رسمی پایتورچ مراجعه کنید. به آدرس pytorch.org [+] بروید و نسخه مناسب سیستم خود را انتخاب کنید. تنظیمات را با توجه به تصویر زیر انتخاب کنید:

– نکته: در گزینه Compute Platform اگر از کارت گرافیک استفاده می‌کنید، گزینه مناسب CUDA را انتخاب کنید. اگر سیستم شما کارت گرافیک NVIDIA ندارد یا از مدل‌های قدیمی‌تر است، به جای نسخه CUDA از نسخه CPU پایتورچ استفاده کنید.

گزینه‌های CUDA و CPU در تنظیمات نصب PyTorch به نوع سخت‌افزار کامپیوتر شما اشاره دارند و اینکه عملیات پردازشی PyTorch روی کدام سخت‌افزار انجام خواهد شد. تفاوت این دو به شرح زیر است:

گزینه CPU را انتخاب کنید اگر:

• کامپیوتر شما GPU ندارد.
• پایتورچ را برای آزمایش‌ها و مدل‌های کوچک که نیاز به قدرت پردازش زیادی ندارند، استفاده می‌کنید.

گزینه CUDA را انتخاب کنید اگر:

• کامپیوتر شما یک GPU قدرتمند دارد و CUDA روی آن نصب شده است.
• پایتورچ را برای کارهای سنگین مانند آموزش مدل‌های بزرگ یادگیری عمیق می‌خواهید.

– نکته: اگر سیستم شما از گرافیک مجتمع (Integrated Graphics) استفاده می‌کند، نمی‌توانید از گزینه CUDA هنگام نصب PyTorch استفاده کنید. دلیل این امر این است که CUDA فقط برای کارت‌های گرافیک اختصاصی (Dedicated GPUs) ساخت NVIDIA طراحی شده است و گرافیک مجتمع (مانند Intel HD Graphics یا AMD APU) از CUDA پشتیبانی نمی‌کند. این نکته در آموزش نصب PyTorch پایتورچ بسیار اهمیت دارد، زیرا انتخاب نسخه مناسب (CPU یا GPU) در هنگام نصب مستقیماً به سخت‌افزار سیستم شما بستگی دارد و عدم رعایت آن می‌تواند باعث بروز خطاهای اجرایی شود.

پس از انتخاب گزینه مدنظر، کد موجود در قسمت Run this Command را کپی کنید و در CMD وارد نمایید. منتظر بمانید تا پکیج‌ها به طور کامل دانلود و نصب شوند.

معمولاً چون سیستم‌ها کارت گرافیک جداگانه‌ای ندارند، بهتر است از گزینه CPU استفاده کنید. چنانچه گزینه CPU را انتخاب کرده‌اید، بایستی دستور زیر را در CMD وارد نمایید:

pip3 install torch torchvision torchaudio

۴- بررسی نصب PyTorch

برای بررسی نصب PyTorch و اطمینان از اینکه این کتابخانه به درستی بر روی سیستم شما نصب شده است، می‌توانید یکی از مراحل زیر را انجام دهید:

روش اول: استفاده از پایتون

CMD را بازکنید و در محیط Command Prompt، دستور زیر را وارد کنید تا وارد محیط Python شوید:

python

پس از وارد کردن دستور، شما وارد محیط تعاملی Python خواهید شد و باید خط فرمان به شکل <<< نمایش داده شود. در محیط Python، کد زیر را وارد کنید تا نسخه PyTorch را بررسی کنید:

import torch
print(torch.__version__)

طبق تصویر زیر باید ورژن پایتورچ را به راحتی مشاهده کنید.

اگر در هنگام وارد کردن دستور import torch خطا دریافت کردید، احتمالاً نصب PyTorch به درستی انجام نشده است.

روش دوم: استفاده از pip

در این روش به راحتی می‌توانید CMD را باز کنید و دستور زیر را مستقیم وارد محیط Command Prompt کنید.

pip3 show torch

اگر طبق تصویر زیر مشخصات کتابخانه torch و محل نصب آن نمایش داده شود، پس نصب PyTorch با موفقیت انجام شده است.

آموزش نصب PyTorch پایتورچ با استفاده از Conda

نصب PyTorch با استفاده از Conda بسیار ساده و سریع است اگر از محیط Anaconda برای مدیریت بسته‌ها و محیط‌های مجازی استفاده می‌کنید. در ادامه، مراحل نصب PyTorch با Conda به تفصیل توضیح داده شده است:

۱- نصب و آماده‌سازی Anaconda

Anaconda یک ابزار مدیریت محیط و بسته‌های پایتون است که برای توسعه‌دهندگان و دانشمندان داده بسیار مفید است. اگر هنوز Anaconda را نصب نکرده‌اید، ابتدا به سایت رسمی آن به آدرس anaconda.com [+] بروید. نسخه مناسب سیستم‌عامل خود را (ویندوز، مک، یا لینوکس) دانلود کنید. فرآیند نصب بسیار ساده است؛ کافی است فایل نصب را اجرا کنید و دستورالعمل‌ها را دنبال کنید. در مرحله نصب، حتماً گزینه Add Anaconda to PATH را انتخاب کنید تا دسترسی آسان به دستورات Anaconda داشته باشید.

پس از نصب، Anaconda Prompt را باز کنید که محیطی شبیه به CMD در ویندوز دارد. این ابزار به شما امکان می‌دهد با استفاده از دستورات ساده، محیط‌های مجازی ایجاد و بسته‌های مختلف را نصب کنید. اگر نیاز به راهنمایی درمورد نصب آناکوندا دارید پیشنهاد می‌کنیم حتما مقاله آموزش نصب آناکوندا در ویندوز را در این مورد مطالعه کنید.

۲- ایجاد محیط مجازی

محیط‌های مجازی در پایتون به شما کمک می‌کنند که کتابخانه‌ها و نسخه‌های مختلف پایتون را از یکدیگر جدا نگه دارید. این قابلیت بسیار مفید است تا از تداخل کتابخانه‌ها یا مشکلات ناسازگاری نسخه‌ها جلوگیری شود. برای ایجاد یک محیط مجازی جدید، دستور زیر را در Anaconda Prompt وارد کنید:

conda create --name myenv

myenv نام محیط مجازی شما است. می‌توانید هر نام دیگری انتخاب کنید. پس از اجرای این دستور، conda از شما تأیید می‌خواهد. با وارد کردن y نصب را ادامه دهید. پس از ایجاد محیط، برای استفاده از آن باید آن را فعال کنید. دستور زیر را وارد کنید:

conda activate myenv

حالا محیط مجازی شما فعال شده است و هر بسته‌ای که نصب کنید، فقط در این محیط نصب می‌شود.

۳- نصب PyTorch

همانند گام سوم در آموزش نصب PyTorch پایتورچ با pip، ابتدا باید پکیج نصبی را انتخاب کنید. این بار به جای pip بایستی Conda را انتخاب کنید. با توجه به مشخصات سیستم خود CPU یا CUDA را انتخاب کرده و در آخر کد مربوطه را کپی کنید. وارد همان محیط مجازی که در Anaconda Prompt ایجاد کرده بودید شوید و در آنجا دستور را اجرا نمایید.

چنانچه گزینه CPU را انتخاب کرده‌اید، بایستی دستور زیر را در Anaconda Prompt وارد نمایید:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

در ادامه پیغامی به شما نمایش داده می‌شود که باید با وارد کردن حرف y به منزله YES تایید کنید تا فرآیند نصب شروع شود. منتظر بمانید تا فرآیند نصب به اتمام برسد.

۴- بررسی نصب PyTorch

بررسی نصب بودن یا نبودن به دو روش قابل انجام است. اولین روش دوم همان که در آموزش نصب PyTorch پایتورچ با pip توضیح داده شده است. در دومین روش، باید کد زیر را در محیط Anaconda Prompt وارد نمایید تا ورژن پایتورچ نصب شده روی سیستم نمایش داده شود:

conda list -f PyTorch

چنانچه همانند تصویر زیر ورژن PyTorch را مشاهده می‌کنید نصب با موفقیت انجام شده است.

چرا از آناکوندا برای PyTorch استفاده کنیم؟

همانطور که در آموزش نصب PyTorch پایتورچ دانستیم، به دو روش می‌توان پایتورچ را نصب کرد. اما سوال اینجاست، چرا باید از Anaconda استفاده کنیم؟ آناکوندا نصب PyTorch و سایر کتابخانه‌های وابسته را ساده‌تر می‌کند. با استفاده از conda، می‌توانید نسخه‌های خاصی از PyTorch (مانند نسخه‌هایی که از CUDA پشتیبانی می‌کنند) را به‌سادگی نصب کنید. همچنین با استفاده از محیط‌های مجازی، می‌توانید PyTorch را در کنار سایر ابزارها و کتابخانه‌ها بدون تداخل مدیریت کنید.

تفاوت آناکوندا با IDEهای دیگر

آناکوندا یک توزیع است، نه یک IDE. به عبارت دیگر، آناکوندا بستری را فراهم می‌کند که شامل پایتون، ابزارهای مدیریت محیط‌ها و بسته‌ها، و ابزارهای تعاملی (مانند Jupyter Notebook و Spyder) است. شما می‌توانید از آناکوندا در کنار IDEهای دیگر مانند PyCharm یا VS Code استفاده کنید. در واقع، آناکوندا به شما کمک می‌کند که محیط‌های کاری تمیز و مدیریت‌شده‌ای ایجاد کنید که به راحتی با این IDEها یکپارچه شوند.

بهترین IDE برای کار با PyTorch

برای کار با PyTorch، انتخاب یک IDE (محیط توسعه یکپارچه) مناسب به بهبود تجربه کدنویسی و افزایش بهره‌وری شما کمک می‌کند. در آموزش نصب PyTorch پایتورچ، استفاده از یک IDE مناسب نقش مهمی در ساده‌تر کردن فرآیند توسعه و آزمایش مدل‌ها دارد. بهترین IDE بستگی به نیازهای شما، تجربه کاری، و امکانات مورد نظر دارد. در ادامه چند IDE محبوب و مناسب برای کار با PyTorch معرفی می‌شود که هرکدام برای نیازها و سطح‌های مختلف کاربران مناسب هستند.

۱- PyCharm

PyCharm یکی از قدرتمندترین و حرفه‌ای‌ترین IDEها برای توسعه پایتون است که توسط شرکت JetBrains ارائه شده است. این IDE با امکاناتی نظیر تکمیل خودکار کد، دیباگینگ پیشرفته، مدیریت محیط‌های مجازی (مانند Anaconda)، و ابزارهای داخلی برای تحلیل و نمایش داده‌ها، کار با PyTorch را آسان می‌کند. نسخه حرفه‌ای PyCharm پولی است اما نسخه رایگان (Community Edition) برای پروژه‌های کوچک و متوسط کاملاً مناسب است. این IDE برای توسعه‌دهندگان حرفه‌ای و افرادی که در پروژه‌های بزرگ کار می‌کنند، گزینه‌ای ایده‌آل است.

۲- Visual Studio Code (VS Code)

VS Code یک ویرایشگر کد سبک، انعطاف‌پذیر، و رایگان است که توسط مایکروسافت توسعه داده شده و به دلیل افزونه‌های متنوع، انتخاب بسیاری از توسعه‌دهندگان است. با نصب افزونه‌هایی نظیر Python Extension و PyTorch Snippets، تجربه کار با PyTorch در این ابزار بهبود می‌یابد. این IDE همچنین قابلیت‌هایی مانند دیباگینگ، پشتیبانی از Jupyter Notebook، و یکپارچگی با سیستم‌های کنترل نسخه مانند Git را فراهم می‌کند. VS Code به دلیل انعطاف بالا و امکانات گسترده، برای کاربران مبتدی تا حرفه‌ای مناسب است.

پاورپوینت آموزش نصب پایتون در vscode

کلیک کنید

۳- Jupyter Notebook / JupyterLab

Jupyter Notebook و نسخه پیشرفته‌تر آن JupyterLab، ابزارهایی تعاملی هستند که به طور خاص برای پژوهش، آموزش، و آزمایش مدل‌های یادگیری ماشین طراحی شده‌اند. این ابزارها امکان اجرای کد به صورت بلوک‌های جداگانه (Cell) را فراهم کرده و با PyTorch و کتابخانه‌های تحلیل داده کاملاً سازگار هستند. قابلیت نمایش تعاملی گراف‌ها و نتایج از ویژگی‌های برجسته این ابزار است. Jupyter برای پروژه‌های پیچیده مناسب نیست اما برای آموزش مدل‌ها و تحلیل داده بسیار ایده‌آل است.

۴- Spyder

Spyder یک IDE ساده و کاربرپسند است که به طور پیش‌فرض با Anaconda ارائه می‌شود و شباهت زیادی به MATLAB دارد. این IDE ابزارهای داخلی مانند مشاهده متغیرها و دیباگر دارد که برای دانشمندان داده و پژوهشگران بسیار کاربردی است. Spyder نسبت به PyCharm یا VS Code امکانات کمتری دارد اما برای کاربران مبتدی یا افرادی که در محیط Anaconda کار می‌کنند، گزینه‌ای عالی است.

۵- Atom

Atom یک ویرایشگر کد متن‌باز و رایگان است که با افزونه‌های متعدد، قابلیت‌های خود را گسترش می‌دهد. برای کار با PyTorch، می‌توان افزونه‌هایی نظیر Hydrogen را نصب کرد که اجرای کد تعاملی را ممکن می‌سازد. اگرچه سرعت و عملکرد Atom نسبت به VS Code کمتر است، اما برای افرادی که به دنبال یک ابزار ساده و قابل تنظیم هستند، گزینه‌ای مناسب محسوب می‌شود.

نتیجه گیری

آموزش نصب PyTorch پایتورچ نشان می‌دهد که این فرایند با استفاده از ابزارهای مدرن مانند Anaconda یا pip بسیار ساده است. انتخاب نسخه مناسب این کتابخانه (CPU یا GPU) و سازگاری آن با سخت‌افزار سیستم از گام‌های کلیدی در نصب موفقیت‌آمیز PyTorch است. با استفاده از محیط‌های مجازی Anaconda، می‌توان یک محیط توسعه پایدار و بدون تداخل ایجاد کرد که برای مدیریت پروژه‌های مختلف بسیار مفید است.

پس از اتمام مراحل آموزش نصب PyTorch پایتورچ، استفاده از IDEهای حرفه‌ای مانند PyCharm یا VS Code می‌تواند روند توسعه مدل‌های یادگیری ماشین را ساده‌تر و موثرتر کند. با رعایت این مراحل، شما می‌توانید از قدرت PyTorch برای اجرای پروژه‌های یادگیری عمیق، پردازش زبان طبیعی، و تحلیل داده بهره‌مند شوید.