安装Pytorch（基于AMD显卡）

于 2024-04-03 10:41:15 发布
阅读量1.9k 收藏 25
点赞数 5
文章标签： pytorch python windows
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Kingzhangfang/article/details/137331161
版权

前提：安装Anaconda，Python的库大部分都在Anaconda的Anaconda prompt中进行安装各种包（注意：Anaconda的位数要和Python保持一致）

目录

1.创建环境

2.安装pytorch

3.检查是否安装成功

1.创建环境

一般情况下所有的 Anaconda prompt中默认的都是base环境。

 接下来需要再创建Pytorch环境，重新创建一个环境就相当于平时大家的安装内容都在C盘，C盘默认的内容很多，所以需要把适当的放到D盘，防止空间不够

conda create -n pytorch python=3.7

创建python版本为3.7的pytorch环境（python版本可以随意选择）

安装完之后会出现y/n选项，输入y即可

此时，pytorch环境就设置成功，但是！只有了环境，内容还是空的。激活并进入pytorch环境

进入之后，接下来需要安装pytorch包

2.安装Pytorch

amd显卡的需要使用cpu版本的pytorch语句安装，现在大部门是cuda语句，因为市面上好多电脑的显卡是NVIDIA（英伟达）

pytorch官网

确认显卡是否为AMD显卡

接下来等待安装，安装过程比较长，请耐心等待

安装完成之后，输入pip list ，查看是否安装成功

3.检验是否安装成功

输入python ，会输出对应的信息，比如python版本、显卡版本、系统位数等

随后输入import torch 不出错就说明导入torch成功！！！

Kingzhangfang
关注
  • 5
    点赞
  • 踩
  • 25
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
AMD的GPU拿来跑深度学习？Rocm3.0&Pytorch@Ubuntu16编译实录
你的思想出了问题的博客
12-22 1万+
折腾了一周了吧，终于是在自己的电脑上编译完成，并且可以跑通Pytorch训练代码了。我也是小白一个，如果有专业词汇使用不当，还请见谅。 编译过程参考了官方编译文档, JC大神的博文以及github里面的一些Issue集合而成。向他们表示诚挚的感谢。 简单介绍一下硬件： CPU ：I5 9400F GPU：AMD Radeon VII 内存：64G 软件环境： Ubuntu 16.04 LT...
Windows系统安装PyTorch框架支持AMD Radeon显卡/Intel显卡
最新发布
CUFEECR的博客
03-25 2735
PyTorch对NVIDIA显卡的支持最好，但是通过额外配置，也可以支持其他常见显卡，例如通过安装DirectML即可实现使用AMD和Intel显卡，但是性能上可能存在一定的区别，需要根据需要和表现进行灵活选择。
pytorch for ROCM 安装包，amd显卡
10-18
pytorch for ROCM 安装包whl , 支持ubuntu 18.04及以上系统， amd Radeon Vii 显卡。 里面带配置手册（rocm分版本安装方法)
pytorch 1.4 on ROCM 3.1 （AMD GPU) for ubuntu 18.04
03-13
AMD GPU用户的福音。用AMD GPU学习人工智能吧。 pytorch 1.4 on ROCM 3.1 for ubuntu 18.04, ROCM 版本 ３．１ 预编译版本，直接pip install xxxx.whl 使用，省事省力。提前安装好rocm平台驱动。
Windows AMD 安装 PyTorch
Larry Chow
10-11 5213
Q & A 前提 安装 验证 Q & A Q：笔记本不是英伟达（NVIDIA）显卡，能安装PyTorch吗？ A： 可以！选择CPU为运算平台的PyTorch安装版本。（Compute Platform：CPU） Q：选择以CPU为运算平台的PyTorch版本与GPU版本的在程序运行方面差别大吗？ A： 影响并不大！ 从定位上看，pytorch和tensorflow不仅仅用于动辄几十层的vgg、res、dense各种net。 还可以用...
Pytorch在cuda、AMD DirectML和AMD CPU下性能比较
07-28 2628
测试AMD CPU，AMD DirectML和CUDA的性能
win11 + AMD的cpu安装pytorch2.0.1版本
m0_73378144的博客
08-20 889
【代码】【无标题】
Ubuntu22.04安装AMD显卡驱动和pytorch
Manchester City
03-25 7159
Ubuntu22.04安装AMD显卡驱动和pytorch。
python数据分析知识点
weixin_30257433的博客
06-11 347
Jupyter Notebook 快速入门：https://www.cnblogs.com/nxld/p/6566380.html Anaconda入门使用指南：https://www.jianshu.com/p/169403f7e40c Anaconda Navigator ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。 ...
pytorch 支持amd显卡吗_深度学习搞起来！对标英伟达Tensor Core，AMD推出Matrix Core
weixin_40006965的博客
12-08 1116
AMD 发布 Instinct MI100 加速器，它使用最新 Matrix Core 技术，是面向 HPC 和 AI 的新型加速系统。AMD 表示这是全球最快的 HPC GPU，也是首个超越 10 teraflops (FP64) 性能障碍的 x86 服务器 GPU。机器之心报道，编辑：魔王、小舟。当前，GPU 已经成为深度学习训练的标配，而针对深度学习中的 Tensor 操作，各大厂商在设计软...
如何安装pytorch
12-21
安装PyTorch时，通常有两种方法：通过官方网站提供的pip安装指令或者直接下载预编译的whl文件进行安装。在某些情况下，直接通过pip安装可能速度较慢，所以采用whl文件可以提高效率。 首先，你需要访问PyTorch的官方...
使用anaconda安装pytorch的实现步骤
09-16
主要介绍了使用anaconda安装pytorch的实现步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
arm系统安装pytorch的安装包
07-21
Jetson Xavier NX arm系统安装pytorch的安装包 torch版本 1.6.0-1.8.0 (arrch64) torchvision 0.8.0-0.9.0 (arrch64)
jetpack 安装pytorch 文档
05-10
在本文档中，我们将深入探讨如何在Jetson Xavier NX上安装和使用Jetpack中的PyTorch，这是一个针对嵌入式设备优化的深度学习框架。PyTorch为开发者提供了强大的工具，支持GPU和CPU的高性能张量计算，并且具有自动...
在window的pycharm里的pytorch框架上使用AMDgpu加速深度学习训练
weixin_62935806的博客
08-18 6084
amd的gpu也可以用来深度学习训练
pytorch + AMD卡 (docker快速构建A卡pytorch环境, 5分钟不折腾版)
lyzklkl的博客
10-16 3433
通过docker快速构建 A卡pytorch环境
如何安装Pytorch,CPU版本和GPU版本的安装流程。
Joining667的博客
02-11 3539
如何安装Pytorch,CPU版本和GPU版本的安装流程。
AMD显卡安装Pytorch
热门推荐
宝林的赛博小屋
03-06 1万+
目录0.背景1.ROCm安装参考网页链接 0.背景 昨天看到新闻报道， PyTorch 1.8来了！正式支持AMD GPU，炼丹不必NVIDIA ROCm是AMD公司推出对标英伟达CUDA的计算库，这也就意味着AMD显卡在深度学习领域的生态更近一步，使用AMD显卡的小伙伴也可以用自己显卡跑深度学习了。 由于我的电脑一直是AMD显卡，所以前几年对ROCm一直有关注。之前ROCm对用户很不友好，尤其是对Pytorch，基本只能用docker才能跑的通。之前我也在AMD上安装过Caffe，排雷贴在这里： AMD
pytorch 使用 AMD显卡 训练
03-27
在使用 AMD 显卡训练 PyTorch 模型之前，需要先确保以下几点： 1. 安装 AMD ROCm 软件包。该软件包是 AMD 显卡的驱动程序和运行时环境。可以在 AMD 官网上下载和安装。 2. 安装 PyTorch ROCm 版本。PyTorch ROCm 版本是针对 AMD 显卡的优化版本，可以提高模型训练的速度和效率。 3. 安装深度学习框架所需的依赖项。这些依赖项包括 CUDA、cuDNN 等，可以在 PyTorch 官网上找到安装指南。 安装完成后，可以按照以下步骤使用 AMD 显卡训练 PyTorch 模型： 1. 导入 PyTorch 和其他必要的库： ``` import torch import torch.nn as nn import torch.optim as optim ``` 2. 定义模型和损失函数： ``` class Model(nn.Module): def __init__(self): super(Model, self).__init__() self.fc1 = nn.Linear(10, 5) self.fc2 = nn.Linear(5, 2) def forward(self, x): x = self.fc1(x) x = nn.ReLU()(x) x = self.fc2(x) return x model = Model() criterion = nn.CrossEntropyLoss() ``` 3. 定义优化器： ``` optimizer = optim.Adam(model.parameters(), lr=0.01) ``` 4. 加载数据集： ``` train_dataset = ... train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=32, shuffle=True) ``` 5. 训练模型： ``` for epoch in range(10): for i, data in enumerate(train_loader): inputs, labels = data optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() ``` 这是一个简单的 PyTorch 模型训练示例。在使用 AMD 显卡训练时，需要将代码中的 CUDA 相关函数替换为 ROCm 相关函数。

“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 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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