昨天发了一篇PyTorch在64位Windows下的编译过程的文章,有朋友觉得能不能发个包,这样就不用折腾了。于是,这个包就诞生了。
先别急着激动。如果要直接使用的话,你需要满足以下条件:
- Anaconda3 (with Python 3.6)
- Windows 10 64位系统(其他未测试)
- CUDA 8.0.61
- cuDNN 5.1.10及以上
- Compute Capability 6.1及以上的显卡
如果说前面四条条件还算比较OK,最后的条件就比较严格了,要求Pascal架构或更新的显卡。只能说各位10系显卡或是PASCAL TITAN X的朋友们有福了。
要安装的话,如果你不嫌弃anaconda cloud的网速的话,只需键入下面一条命令:
conda install -c peterjc123 pytorch-gpu=0.1.12
如果不能忍受conda那蜗牛爬般的网速的话,那我为大家将包上传至公用云中,大家下载之后,键入如下几条指令:
conda install numpy mkl
conda install --offline path/to/tar/pytorch-gpu-0.1.12-py36_0.tar.bz2
安装之后,也千万要注意,要在主代码的最外层包上
if __name__ == '__main__':
这个判断,可以参照我昨天文章中的例子,因为PyTorch的多线程库在Windows下工作还不正常。
附一段简单测试CUDA与cuDNN是否工作正常的代码:
# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)
# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_accectable(xx))
如果CUDA工作不正常,那就不能使用.cuda()将模型和数据通过GPU进行加速了。而如果cuDNN不能正常工作,那就使用如下代码关掉它:
cudnn.enabled = False
以上,就是文章的全部内容啦,如果感觉还意犹未尽的话,可以给我的Github 主页 或者 项目加个watch或者star之类的(滑稽),以后说不定还会再分享一些相关的经验。