Deepin15.5安装MXNet、Pytorch
说明:
CPU: Intel i7-6700
GPU: GeForce GTX 1070
操作系统:Deepin15.5桌面版
python环境:Miniconda4.5.4 , Python3.6.5
安装CUDA8.0
- 使用驱动管理器将显卡驱动调整为英伟达的闭源驱动
nvidia-driver
,重启计算机; - 安装Cuda8.0:
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-smi console-setup
安装MXNet
安装mxnet1.2(使用清华镜像源), 要注意的是这里是在conda环境下使用pip:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mxnet-cu80mkl
安装Pytorch
直接按照pytorch官方网站给出的命令安装pytorch0.4,可以选择linux-conda-python3.6下的任何版本,这里选cuda9.1版本:
conda install pytorch torchvision cuda91 -c pytorch
验证安装结果
好了,现在可以使用MXNet和Pytorch了。打开一个Jupyter Lab页面:
import mxnet.ndarray as nd
import mxnet as mx
import numpy as np
import torch
x = np.random.normal(0,1,10)
y_mxnet = nd.array(x,ctx=mx.gpu())
y_pytorch = torch.from_numpy(x).to('cuda:0')
print('MXNet:{0}\nPytorch:{1}'.format(y_mxnet,y_pytorch))
输出:
MXNet:
[-0.59293324 -0.68797171 -0.00426519 0.28291038 0.3994624 1.52491748
-1.38391542 -0.16398735 0.22424045 1.05556917]
<NDArray 10 @gpu(0)>
Pytorch:
tensor([-0.5929, -0.6880, -0.0043, 0.2829, 0.3995, 1.5249, -1.3839,
-0.1640, 0.2242, 1.0556], dtype=torch.float64, device='cuda:0')