本篇文章为大家展示了如何进行Pytorch开发环境搭建,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
目前的深度学习框架很多,如Tensorflow
、Pytorch
、Keras
、FastAI
、CNTK
等等,这些框架各有优缺点,尤其是Tensorflow
和Pytorch
,使用都非常广泛,那么应该如何进行选择呢?这应该是每一位即将开始学习深度学习的童鞋比较困惑的问题。下面先看看github
上各种框架的一个使用统计
动态计算图
用法跟python
更接近,比tensorflow
更容易上手
有助于理解深度学习的核心
pytorch
需要定义网络层、参数更新等步骤,可以帮助我们深刻理解深度学习
动态图机制
动态图机制在调试方面非常方便
易于上手
快速上手,学会后很容易切换到其它框架
这里我们使用anaconda
这个集成环境,关于anaconda
,我们前文 https://xugaoxiang.com/2019/12/08/anaconda/ 已经介绍过了,不了解的童鞋可以去看看。有了python
环境,我们接下来创建一个专门为使用pytorch
的虚拟环境
conda create -n pytorch2.6 python=3.7
conda activate pytorch2.6
到nvidia
官网 https://www.nvidia.cn/Download/index.aspx?lang=cn 下载驱动文件
安装文件下载完成后,进行傻瓜式安装,最后来确认下是不是安装成功。方法是,打开 任务管理器 --> 性能 --> GPU 0
来到官网 https://pytorch.org/get-started/locally/,选择PyTorch Build
为稳定版1.6.0、操作系统选择windows
、Package
使用pip
、Language
选择Python
、CUDA
选择10.1,这些都是需要根据自己的实际情况进行选择。可以看到,前面步骤中我们并没有单独安装CUDA
,因为pytorch
的安装过程中顺便把CUDA
也安装好了,这点非常棒。
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
如果没有GPU
环境,安装命令是
pip install torch==1.6.0+cpu torchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
(pytorch2.6) PS C:\Windows\system32> python
Python 3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.__version__
'1.6.0+cu101'
>>> torch.cuda.is_available()
True
>>>
另外,可以通过nvidia-smi
命令来查看当前进程使用GPU
资源的情况
上述内容就是如何进行Pytorch开发环境搭建,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。