安装PyTorch详细步骤

目前常见的深度学习框架有很多，最出名的是：PyTorch（facebook出版）， Tensorflow（谷歌出版），PaddlePaddle（百度出版）。PyTorch是目前最主流的深度学习框架，我们就选择PyTorch肯定没错。

官网查看最新版 ：

Start Locally | PyTorch

Nvidia显卡上安装PyTorch

Nvidia显卡如果要装pytorch，可以用windows系统，也可以用Linux系统，如果有Nvidia显卡，则安装GPU版本PyTorch，首先升级显卡驱动，将自己显卡驱动升级到最新。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

安装CUDA

🔎安装CUDA（Compute Unified Device Architecture）意味着在您的电脑上部署NVIDIA推出的一种并行计算平台和编程模型。CUDA允许开发者利用NVIDIA GPU（图形处理器）进行通用计算，而不仅仅是图形处理。这意味着原本设计用来加速图像渲染的任务的GPU，现在可以通过CUDA来执行科学计算、深度学习、物理模拟等高度并行化的计算任务。

安装CUDA11.8, 下载连接： CUDA Toolkit 11.8 Downloads | NVIDIA Developer

下载CUDA后，使用默认安装即可。

安装CUDNN

🔎安装cuDNN（CUDA Deep Neural Network library）是指在已安装CUDA的基础上，部署NVIDIA专门为深度学习应用优化的GPU加速库。cuDNN是一个底层库，它提供了高度优化的例程，用于深度神经网络中最常见的操作，如卷积、池化、激活函数等。 安装cuDNN的目的在于进一步提升基于GPU的深度学习计算效率，因为它针对深度学习任务进行了特别的优化。cuDNN的设计旨在简化集成到更高级的机器学习框架中，如TensorFlow、PyTorch、Caffe等，这些框架在内部使用cuDNN来加速它们的运算。

下载cudnn，下载连接：cuDNN Archive | NVIDIA Developer

将cudnn解压后解压后，是几个文件夹

然后再把它们都放到cuda同一级目录下。

命令行安装PyTorch

代码语言：javascript

复制

#创建PyTorch环境
conda create -n torch2 python==3.10
#进入环境
conda activate torch2
#安装gpu版本pytorch
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https ://download.pytorch.org/whl/cu118

验证GPU版是否安装成功

代码语言：javascript

复制

import torch
print(torch._version_)
print(torch.cuda.is_available())

安装CPU版本PyTorch

如Windows电脑上没有Nvidia显卡，则安装CPU版本PyTorch

代码语言：javascript

复制

#创建PyTorch环境
conda create -n torch2 python==3.10
#进入环境
conda activate torch2
#安装cpu版本pytorch
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https ://download.pytorch.org/whl/cpu

验证CPU版是否安装成功与刚才一样，只是最后输出False。

MacOS****上安装PyTorch

输入命令

代码语言：javascript

复制

pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1

或者使用conda命令进行安装（需要先安装anaconda）

代码语言：javascript

复制

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 -c pytorch

AMD显卡上安装PyTorch

amd显卡如果要装pytorch，只能用 linux 系统，执行以下命令安装

代码语言：javascript

复制

# ROCM 5.4.2 (Linux only)
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/rocm5.4.2

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的zi yuan得到学习提升
😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些P DF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.2.1 什么是Prompt
  • L2.2.2 Prompt框架应用现状
  • L2.2.3 基于GPTAS的Prompt框架
  • L2.2.4 Prompt框架与Thought
  • L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
  • L2.3.1 流水线工程的概念
  • L2.3.2 流水线工程的优点
  • L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
  • L3.1.1 Agent模型框架的设计理念
  • L3.1.2 Agent模型框架的核心组件
  • L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
  • L3.2.1 MetaGPT的基本概念
  • L3.2.2 MetaGPT的工作原理
  • L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
  • L3.3.1 ChatGLM的特点
  • L3.3.2 ChatGLM的开发环境
  • L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
  • L3.4.1 LLAMA的特点
  • L3.4.2 LLAMA的开发环境
  • L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习zhi nan已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓