Deepin15.5安装MXNet和Pytorch

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

1. 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；
2. 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')