Linux版PyTorch有哪些常用命令

在Linux系统上使用PyTorch时，以下是一些常用的命令和操作：

环境配置与管理

• 安装PyTorch和相关库：
  • 使用pip：

    pip install torch torchvision torchaudio
    

  • 使用conda（推荐Anaconda或Miniconda用户）：

    conda install pytorch torchvision torchaudio -c pytorch
    

  • 查看已安装的PyTorch版本：

    python -c "import torch; print(torch.__version__)"
    python -c "import torchvision; print(torchvision.__version__)"
    

  • 设置环境变量（与GPU相关）：

    export CUDA_HOME=/usr/local/cuda
    export PATH=$CUDA_HOME/bin:$PATH
    export LD_LIBRARY_PATH=$CUDA_HOME/lib:$LD_LIBRARY_PATH
    

验证安装

• 验证PyTorch安装：

  import torch
  print("PyTorch version:", torch.__version__)
  print("CUDA available:", torch.cuda.is_available())
  

基本操作

• 创建张量：

  import torch
  x = torch.tensor([1.0, 2.0, 3.0])
  y = torch.ones(3)
  print(x + y)
  

• Tensor与NumPy互转：

  import numpy as np
  a = np.array([1, 2, 3])
  b = torch.from_numpy(a)
  c = b.numpy()
  

• 使用GPU：

  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
  x = torch.rand(3, 3).to(device)
  

分布式训练

• 单机多卡（Data Parallelism）：

  torchrun --nproc_per_node=2 ddp_demo.py --batchSize 64 --epochs 10
  

性能优化

• 清除显存：

  torch.cuda.empty_cache()
  

• 设置显卡可见性：

  export CUDA_VISIBLE_DEVICES=0,1
  

其他常用命令

• 复制文件/文件夹：

  cp source_file_path destination_file_path
  cp -r source_folder_path destination_folder_path
  

• 删除文件/文件夹：

  rm -f file_path
  rm -r folder_path
  

• 激活Anaconda环境：

  source activate environment_name
  

• 退出Python环境：

  exit()
  ```或
  ```bash
  ctrl+D
  

这些命令涵盖了从环境配置、安装验证到基本操作、分布式训练以及性能优化的各个方面，应该能满足大多数PyTorch用户在Linux系统上的需求。