安装CPU版本的Pytorch以及依赖库

最近需要用到深度学习的一些算法工具,奈何电脑上并没有条件配置GPU环境,大多数深度学习教程都是基于GPU环境搭建,于是记录一下CPU配置的过程。

首先是基础的torch包的安装,安装之前最好更新一下pip库

/opt/software/python/bin/python3.8 -m pip install --upgrade pip
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

截至2024.5.10最新的版本是torch 2.3.0(torch · PyPI

另外我还需要安装pytorch_geometric包,注意最新的版本需要基于Python 3.8以上的版本

最新的pytorch_geometric安装地址

Installation — pytorch_geometric documentation

安装代码

pip install torch_geometric
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.3.0+cpu.html

torch_scatter,torch_sparse,torch_cluster,torch_spline_conv是四个依赖库,可以按需安装

配置好之后检查torch版本

import torch
print(torch.__version__)
2.3.0+cpu

检查环境下安装的所有包,是否存在版本冲突

pip list
torch                             2.3.0+cpu
torch-cluster                     1.6.3+pt20cpu
torch_geometric                   2.0.0
torch-scatter                     2.1.2+pt20cpu
torch-sparse                      0.6.18+pt20cpu
torchaudio                        2.3.0+cpu
torchvision                       0.18.0+cpu
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Torch 1.5.1是一个开源的深度学习框架,其CPU版本是指在没有GPU加速的情况下,使用中央处理器(CPU)运行模型。相比于使用GPU,使用CPU可能会导致模型训练和推理的速度较慢,但也有一些优势。 首先,使用CPU版本Torch可以在没有GPU的情况下进行深度学习研究和开发。这对那些没有GPU设备的研究人员和学生来说是非常有用的,因为他们可以在自己的计算机上使用CPU版本Torch进行学习和实验。 其次,使用CPU版本Torch对于小规模的模型和数据集来说是足够的。如果你只是处理一些较小的数据集,而且模型相对较简单,使用CPU版本Torch可以提供足够的计算能力,使你能够完成训练和推理任务。 另外,使用CPU版本Torch还可以节省计算资源和能源。相比于使用GPU进行计算,使用CPU消耗的电力和资源更少。这对于一些资源有限的环境下,比如云服务器或移动设备上部署深度学习模型的情况下非常有用。 然而,需要注意的是,使用CPU版本Torch可能会导致训练和推理的速度较慢。由于CPU的计算能力相对有限,模型的训练和推理过程可能需要更长的时间。对于大规模的模型和数据集来说,使用GPU版本Torch可能更适合,因为GPU可以提供更好的计算加速能力。 总之,Torch 1.5.1的CPU版本是一个适用于没有GPU设备、处理小规模模型和数据集、或者需要节省计算资源和能源的情况下的选择。

“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 1
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