pytorch logo

简介

Pytorch是当前主流的深度学习框架之一,Faceboook与2017年初开源出来,更简洁的api,深受学术界人士的喜爱,有人把它比作深度学习框架中的Python(Python在编程语言中也以简洁出名)。

  • 目前在深度学习中有两个大的框架,一是Pytorch,二是GoogleTensorflow,主流观点是tf工程方面有优势,Pytorch学术研究方面有优势。两个框架都在开源社区的推动下快速发展,目前都在成长期,更新也比较频繁。

我选择了学习Pytorch,主要是一开始涉猎dl就关注着它(具体是它开始支持Windows平台时候)。

Pytorch 安装

任何安装教程都具有时效性,尤其是处在旺盛开发阶段的项目,这点毋庸置疑。

我的安装环境是:

  • 操作系统:Windows 10 专业版 1909
  • Nvidia显卡: GeForce 940MX
  • 显卡驱动版本:442.19
  • Cuda版本:10.1
  • Cudnn版本:7.6.5
  • Pytorch版本:1.4

Cuda是Nvidia的技术,只支持一部分Nvidia显卡

一般安装过程是:

1.更新驱动(最新驱动最应该行,一般比较喜欢更新系统的话没事,也可以去官网下NVIDIA 驱动程序下载,选择显卡型号就可以)

2.下载并安装Cuda,一般框架发布出来支持的cuda版本就是固定的,最新版cuda不是很好的选项

3.下载cudnn(下载cudnn需要注册Nvidia开发者账号),解压并放到一个固定的路径(一般放到cuda安装路径,不过其实随便,最终要到系统环境变量里找的)

4.配置环境变量:

C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras
C:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cudnn\bin

cudnn选择独立文件夹是为了方便更新,也可以把cudnn里的所有东西放到Cuda对应的目录里面。

5.验证Cuda:

nvcc -V

有cuda信息就行

6.安装Pytorch,进入官网,点Get Started,选择项如下:安装

7.验证Pytorch:
激活pytorch-env虚拟环境:

conda activate pytorch-env

代码验证:

import torch # 导包,导入报错就搜搜
print(torch.cuda.is_available())  # True则安装成功

# cuda 测试
x = torch.Tensor([1.0])
x = x.cuda()  # 数据放置于gpu
print(x)  # tensor([1.], device='cuda:0')

# cudnn 测试
from torch.backends import cudnn
print(cudnn.is_acceptable(x))  # True

最简单的安装方式,更新驱动都是必须的,然后剩下的全用conda(一种包管理工具,不仅限于python),一键执行命令conda create -n pytorch-env pytorch torchvision cudatoolkit=10.1 -c pytorch,其中create -n pytorch-env是创建pytorch-env的虚拟环境,安装的包为pytorch torchvision cudatoolkit=10.1,使用官方源-c pytorch,也可以指定清华源-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

就酱,好运!

参考链接:
Pytorch 官网
Pytorch Github

Last modification:April 1st, 2020 at 11:59 pm
如果觉得我的文章对你有用,请随意赞赏