Pytorch入门,简介,开发环境搭建及pytorch-gpu源码编译

简介

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

Pytorch入门,简介,开发环境搭建及pytorch-gpu源码编译_第1张图片

选择pytorch的几大理由

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

安装python环境

conda create -n pytorch1.6 python=3.7
conda activate pytorch1.6

安装nvidia驱动

到nvidia官网 https://www.nvidia.cn/Download/index.aspx?lang=cn 下载驱动文件
Pytorch入门,简介,开发环境搭建及pytorch-gpu源码编译_第2张图片

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

Pytorch入门,简介,开发环境搭建及pytorch-gpu源码编译_第3张图片

安装pytorch

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。

Pytorch入门,简介,开发环境搭建及pytorch-gpu源码编译_第4张图片

pip install torch1.6.0+cu101 torchvision0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

如果没有GPU环境,安装命令是

pip install torch1.6.0+cpu torchvision0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

验证pytorch环境

(pytorch1.6) 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

Pytorch入门,简介,开发环境搭建及pytorch-gpu源码编译_第5张图片

源码编译

环境

  • ubuntu 18.04 64bit
  • NVidia GTX 1070Ti
  • anaconda with python 3.7
  • CUDA 10.1
  • cuDNN 7.6
  • pytorch 1.8

编译步骤

安装基础依赖

conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses

由于要使用gpu,所以还需要安装LAPACK支持,根据CUDA版本安装对应的软件包

# Add LAPACK support for the GPU if needed
conda install -c pytorch magma-cuda101  # or [ magma-cuda101 | magma-cuda100 | magma-cuda92 ] depending on your cuda version

接下来就可以开始克隆代码了

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
# if you are updating an existing checkout
git submodule sync
git submodule update --init --recursive

准备工作完成后,就可以开始编译了

export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py install

CMAKE_PREFIX_PATH其实就是anaconda的安装目录,如我这里的/home/xugaoxiang/anaconda3
在这里插入图片描述

编译的时候较长,耐心等待就好

测试

重新开一个terminal进行测试

(base) xugaoxiang@1070Ti:~$ ipython
Python 3.7.6 (default, Jan  8 2020, 19:59:22)
Type 'copyright', 'credits' or 'license' for more information
IPython 7.19.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import torch

In [2]: torch.__version__
Out[2]: '1.8.0a0+46d846f'

In [3]: torch.cuda.is_available()
Out[3]: True

说明pytorch已经安装到了anaconda的环境中,而且是gpu的版本,搞定!

你可能感兴趣的:(人工智能,pytorch,人工智能)