PyTorch版本说明与安装

PyTorch版本说明与安装

• PyTorch可以看作是Python的一个库，准确地说，它是一个深度学习框架，提供了许多用于构建、训练和部署神经网络模型的功能和工具。

一、基于GPU和基于CPU的PyTorch区别

• 主要在于它们运行深度学习模型时所利用的硬件资源不同

1. 基于GPU的PyTorch：

   • 使用GPU（图形处理单元）加速深度学习计算。GPU具有大量的并行处理单元，适合处理大规模的矩阵运算，这使得在GPU上运行深度学习模型速度更快。
   • PyTorch提供了针对GPU的优化，可以很容易地将模型和数据移到GPU上进行训练和推理。
   • 在处理大规模数据集或复杂模型时，利用GPU可以显著提高训练速度，缩短实验迭代周期。

2. 基于CPU的PyTorch：

   • 使用CPU（中央处理单元）进行深度学习计算。虽然CPU的并行性较弱，但它适用于处理较小规模的数据集和模型。
   • 在一些较小的模型或者对训练速度要求不高的情况下，使用CPU也可以完成深度学习任务。
   • CPU适用于一些需要在资源受限的环境下运行的情况，例如移动设备或者无法使用GPU的云服务器。

综上所述，基于GPU和基于CPU的PyTorch主要区别在于性能和适用场景。GPU适用于大规模数据和模型的深度学习任务，而CPU则适用于较小规模的任务或者资源受限的环境。

二、查看是否能够安装GPU版本的PyTorch

1. GPU型号：首先，需要确保计算机上安装了支持CUDA的NVIDIA GPU。PyTorch的GPU版本依赖于CUDA加速，因此GPU必须支持CUDA才能使用GPU版本的PyTorch。可以通过执行命令 nvidia-smi 来查看GPU型号和CUDA的安装情况。

2. CUDA驱动：需要安装适用于本机GPU型号的CUDA驱动程序。PyTorch的GPU版本需要与正确版本的CUDA驱动配套使用。可以在NVIDIA官方网站上查找适合GPU型号的CUDA驱动程序。

3. CUDA工具包：CUDA Toolkit（CUDA工具包）是NVIDIA提供的一个软件包，用于支持CUDA平台的开发和运行。它包含了CUDA驱动程序、CUDA运行时、CUDA库、编译器、开发工具和示例等组件，可以让开发者利用GPU进行并行计算。

4. PyTorch GPU版本：最后，安装PyTorch的GPU版本。

三、如何安装基于GPU的PyTorch

1. 检查本机CUDA

• 查看显卡驱动版本 nvidia-smi
• 查看cuda版本 nvcc -V
  • 如果没有显示，则上官网安装。可以参考CUDA Toolkit安装教程（Windows）
  • 下载地址:CUDA Toolkit 12.1 Downloads

2. PyTorch安装

在Anaconda中创建Pytorch环境

• 命令：conda create -n Pytorch python=3.8
• 激活：activate Pytorch

生成PyTorch的安装命令

• PyTorch官网：PyTorch官网

在官网上根据电脑配置选择，自动生成命令，如下图：

最终版本信息：

cuda版本	python版本	命令
12.1	3.8	pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

• 将 pip3 替换为 pip 后可以运行

• 安装完成后检测是否成功，在Anaconda中激活环境，之后输入python，进入python环境，逐条输入下列命令进行包的检测

  >>> import torch
  >>> print(torch.cuda.is_available())
  True
  >>> print(torch.__version__)
  2.1.2+cu121
  >>> print(torch.cuda.is_available())
  True
  >>> print(torch.__version__)
  2.1.2+cu121
  >>> exit()
  

• PyTorch安装成功后可以安装以下一些常用的包，注意安装顺序，先安装scipy再安装scikit-learn

  • pip install scipy
  • pip install matplotlib
  • pip install scikit-learn