Pytorch [1][2] 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(当然还有很多其他框架),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。

  1. 验证 Cuda:
nvcc -V

有 cuda 信息就行

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

  2. 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):

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:


  1. Pytorch 官网 ↩︎

  2. Pytorch Github ↩︎