Pytorch[GPU版Pytorch(caffe2)安装教程]

caffe2和pytorch是FaceBook的两大开源深度学习框架,caffe2于2018年04月并入了pytorch:

这里写图片描述

所以效果要安装拥有最新特性的caffe2,就直接安装pytorch吧。
硬件配置

这里写图片描述

软件配置

CUDA8.0+cudnn6.0
gcc 5.4.1 g++5.4.1
cmake 3.5.1

1.安装依赖:

sudo apt-get update
sudo apt-get install -y --no-install-recommends \
      build-essential \
      cmake \
      git \
      libgoogle-glog-dev \
      libgtest-dev \
      libiomp-dev \
      libleveldb-dev \
      liblmdb-dev \
      libopencv-dev \
      libopenmpi-dev \
      libsnappy-dev \
      libprotobuf-dev \
      openmpi-bin \
      openmpi-doc \
      protobuf-compiler \
      python-dev \
      python-pip                          
sudo pip install \
      future \
      numpy \
      protobuf

# for Ubuntu 16.04
sudo apt-get install -y --no-install-recommends libgflags-dev

2.安装CUDA+cuDNN
这里特别注意,当前(2018年04月24日)版本的pytorch只支持使用CUDA8.0+cuDNN6.0编译。我已经尝试在CUDA9.0+CUDNN7.0下编译,结果是编译失败。

3.编译安装

# Clone Caffe2's source code from our Github repository
git clone --recursive https://github.com/pytorch/pytorch.git && cd pytorch
git submodule update --init

# Create a directory to put Caffe2's build files in
mkdir build && cd build

# Configure Caffe2's build
# This looks for packages on your machine and figures out which functionality
# to include in the Caffe2 installation. The output of this command is very
# useful in debugging.
cmake ..

# Compile, link, and install Caffe2
sudo make install

请注意此处必须要将自摸块也要一并clone下来,否则编译期间会遇到各种各样的问题。我已经将源码打包上传于百度云,
链接:https://pan.baidu.com/s/1PEpLXJLfJKpde9HPaV_b1A 密码:b0kn

4.验证安装

# To check if Caffe2 build was successful
python2 -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

# To check if Caffe2 GPU build was successful
# This must print a number > 0 in order to use Detectron
python2 -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'

正常结果应该如下:

这里写图片描述

如果编译安装过程没有什么错误,但是验证的时候出错了,试一试添加环境变量:

export PYTHONPATH=/home/xzchuang/pytorch/build:$PYTHONPATH

5.特别说明
先前我的环境是 CUDA9.0+cuDNN7.0+tensorflow-gpu1.6,装完以上环境之后发现在import tensorflow抛出错误:

ImportError:libcusolver.so.9.0

经实验CUDA8.0+cudnn6.0不支持tensorflow-gpu1.5、1.6、1.7。我卸载掉原先的版本,之后安装1.4版本就没有抛异常了。

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
### 回答1: 在 PyTorch 1.13 中启用 BUILD_CAFFE2=1 的方法如下: 1. 在编译 PyTorch 时使用环境变量 BUILD_CAFFE2 来指定是否启用 Caffe2 支持。例如,在 Linux 或 MacOS 中,可以使用以下命令行来编译 PyTorch: ``` BUILD_CAFFE2=1 python setup.py install ``` 2. 在代码中导入 PyTorch 中的 Caffe2 模块。例如,可以使用以下代码来导入 Caffe2 模块: ```python import torch.caffe2 ``` 注意:启用 BUILD_CAFFE2=1 后,PyTorch 会在编译时包含 Caffe2 的源代码,并且 PyTorch安装包体积会增大。 ### 回答2: 在PyTorch 1.13中启用BUILD_CAFFE2=1是为了开启与Caffe2的集成。Caffe2是Facebook开源的深度学习框架,它提供了高效的数值计算库和训练工具。PyTorch是基于Torch框架的一个Python工具包,它提供了强大的张量计算和动态神经网络的开发环境。 通过启用BUILD_CAFFE2=1,我们可以使用Caffe2的功能来加速PyTorch的训练和推理过程。Caffe2在CPU和GPU都有高效的实现,能够更好地利用硬件资源来提高计算性能。此外,Caffe2还提供了一些特殊的操作符和工具,可以用于模型的优化和部署。 在使用PyTorch时,通过启用BUILD_CAFFE2=1,我们可以轻松地切换到Caffe2的运行时,以实现更高的性能和更广泛的部署选项。例如,我们可以使用Caffe2的优化器、分布式训练和模型剪裁等功能,来提高模型的准确性和效率。另外,启用BUILD_CAFFE2=1也可以使我们更方便地将PyTorch模型部署到移动设备、边缘计算设备或云端服务器上。 总而言之,通过在PyTorch 1.13中启用BUILD_CAFFE2=1,我们可以利用Caffe2的特性和功能,进一步提高PyTorch框架的性能和部署灵活性。 ### 回答3: PyTorch 1.13启用BUILD_CAFFE2=1的意思是在构建PyTorch的时候启用了Caffe2。Caffe2是Facebook开发的机器学习框架,它在深度学习和机器学习领域有着广泛的应用。 开启BUILD_CAFFE2=1的主要目的是使PyTorch能够充分利用Caffe2的功能和特性,以提供更好的性能和功能扩展。具体来说,启用Caffe2可以带来以下几个方面的优势: 1. 加速训练和推理:Caffe2针对高效的计算图执行进行了优化,可以提供比纯Python实现更好的性能。这使得PyTorch能够更快地进行模型训练和推理,提升整体的效率和速度。 2. 跨平台支持:Caffe2支持多种硬件和操作系统平台,包括CPU、GPU和移动设备等。通过启用Caffe2,PyTorch可以更好地在不同平台上运行和部署,提供更大的灵活性和适用性。 3. 模型部署和移植性:Caffe2具有较好的模型导出和移植性。通过使用Caffe2,PyTorch可以更容易地将模型部署到生产环境中,并与其他框架集成。这为使用PyTorch进行实际应用开发提供了便利。 4. 开发者社区的支持:启用BUILD_CAFFE2=1可以获得来自Caffe2和PyTorch社区的更广泛支持。这可以让开发者更容易地获取到关于Caffe2和PyTorch的有关问题解答、教程和文档等资源,加快学习和开发的速度。 总而言之,启用BUILD_CAFFE2=1是为了让PyTorch能够更好地利用Caffe2的优势,提供更好的性能、跨平台支持和模型部署能力。这使得PyTorch成为了一款更强大和完善的深度学习框架。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 12
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