PyTorch版本说明与安装

文章总览:YuanDaiMa2048博客文章总览


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

2. PyTorch安装

在Anaconda中创建Pytorch环境

生成PyTorch的安装命令

在官网上根据电脑配置选择,自动生成命令,如下图:
在这里插入图片描述

最终版本信息:

cuda版本python版本命令
12.13.8pip 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

扩展工具

  1. Deep Graph Library (DGL)
    • 官方网站: Deep Graph Library
    • 简介:DGL 是一个开源的、高性能的图神经网络(GNN)库,专门用于构建和训练图神经网络。
    • 系统要求:
      • 支持的操作系统:Linux (CentOS 8+ / Ubuntu 20.04+)、macOS X (10.9+)、Windows (10+ / Server 2016+)。
      • 支持的Python版本:3.8, 3.9, 3.10, 3.11, 3.12。
      • 支持的深度学习框架:PyTorch (2.1.0+)、Apache MXNet (1.6+)、TensorFlow (2.3+)。
    • 附加支持:提供GPU支持的DGL Docker容器,适用于基于NVIDIA NGC的x86和ARM Linux系统。
    • 安装指南:提供从源代码构建DGL的详细指南。
    • 学习资源:提供丰富的教程和文档,帮助用户学习DGL的使用。
    • 与Amazon SageMaker集成:提供了在Amazon SageMaker上使用DGL的示例Notebooks,包括:
      • 使用GCN进行知识库的半监督分类。
      • 使用大规模知识图数据集学习嵌入。
      • 使用GCN预测分子的毒性属性。
      • 使用GCMC实现的电影推荐系统。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值