pytorch手动安装开发包

有的时候,下载速度太慢了,可以离线手动下载安装包,然后重新执行安装命令。

1.从上面信息指令以及我们最终执行的结果知道,主要是下载三个文件比较慢,容易出错: 

2.我们去国内清华镜像寻找响应的文件,手动迅雷下载,然后复制安装包到刚才 Anaconda 安装的目录下的 pkgs 文件夹中。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/(稳定,只需要下载conda文件)

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ (最新,只能下载tar.bz2文件)

3.具体下载下来的三个

文件1:

pytorch-1.5.0-py3.7_cuda101_cudnn7_0.tar.bz2542.2 MiB2020-04-21 23:21

 文件2:

torchvision-0.6.0-py37_cu101.tar.bz26.4 MiB2020-04-23 00:25


文件3:

cudatoolkit-10.1.243-h74a9793_0.conda300.3 MiB2019-11-02 07:16

4.拷贝至指定路径下:C:\ProgramData\Anaconda3\pkgs

5.然后手动离线安装下载包。

      conda install --use-local pytorch-1.5.0-py3.7_cuda101_cudnn7_0.tar.bz2

      conda install --use-local torchvision-0.6.0-py37_cu101.tar.bz2     

      conda install --use-local cudatoolkit-10.1.243-h74a9793_0.conda

安装成功结果:

 

6. 执行pytorch安装总指令

之后,在 Anaconda Prompt 命令行窗口,多按几次 Ctrl + C 结束程序。然后,重新复制 PyTorch 安装命令,粘贴到命令行上,进行安装。

 

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

7. 验证pytorch是否安装成功

在开始菜单中,打开 Python控制台。

(1)输入 import torch,如果没有报错,意味着 PyTorch 已经顺利安装了

(2)接下来,输入 torch.cuda.is_available,如果是 True,意味着你可以使用 GPU,如果是 False,意味着只能使用CPU。

 

  • 7
    点赞
  • 38
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
### 回答1: PyTorch是一个广泛应用于深度学习的开源框架,它是使用Python编写的,并且在进行深度学习模型的训练和推理时,需要一些依赖来支持其功能和运行。以下是一些Arm PyTorch所需的依赖。 1. Python:PyTorch是使用Python编写的,因此需要安装Python解释器来运行它。常用的版本有Python 3.5及以上。 2. NumPy:NumPy是一个用于进行数值计算的Python库,PyTorch使用NumPy进行数组操作和数学计算。因此,需要安装NumPy来支持PyTorch的功能。 3. CUDA(可选):如果你的计算设备(如NVIDIA GPU)支持CUDA加速,那么你可以安装CUDA工具,以便在PyTorch中利用GPU进行加速计算。CUDA含了用于GPU编程的库和驱动程序。 4. CMake:CMake是一个跨平台的构建工具,用于生成编译源代码的Makefile或IDE工程文件。在安装PyTorch之前,需要安装CMake来构建PyTorch的依赖项。 5. 依赖库:在安装PyTorch之前,需要安装一些其他的依赖库,如BLAS和 LAPACK,它们是进行线性代数计算的基础库。安装方法可以使用管理工具(如pip或conda)来安装,或者根据具体的操作系统和环境来安装。 这些是一些常见的Arm PyTorch所需的依赖,在安装PyTorch之前,确保你的系统满足这些依赖项,并按照官方文档中的指引进行安装。这样,你就可以开始使用PyTorch进行深度学习的开发和研究了。 ### 回答2: arm pytorch 是一个在 ARM 架构上部署 PyTorch 模型的工具,它可以在 ARM 设备上使用 PyTorch 运行预训练的模型。 在使用 arm pytorch 之前,需要先安装一些依赖。首先,需要安装 Python 解释器,推荐使用 Python 3.x 版本。然后,可以通过 pip 或者 conda 管理工具安装 arm pytorch,同时也会自动安装 PyTorch。接着,需要安装一些 ARM 架构相关的依赖,以确保能够在 ARM 设备上正确运行。 安装 arm pytorch 的命令如下: ``` pip install arm-pytorch ``` 或者 ``` conda install arm-pytorch ``` 除了 arm pytorch 依赖的 PyTorch 之外,arm pytorch 还可能依赖其他一些 Python 数据处理和科学计算库,例如 NumPy、SciPy、Pillow 等。这些依赖通常会在安装 arm pytorch 时自动安装,如果没有安装可以手动通过 pip 或者 conda 安装安装依赖之后,就可以使用 arm pytorch 来加载和运行在 PyTorch 中训练好的模型了。arm pytorch 提供了一些 API 接口来进行模型的加载、输入数据的预处理,以及模型的执行。通过 arm pytorch,可以在 ARM 设备上高效地部署和运行 PyTorch 模型,实现深度学习应用的推理和预测。
评论 7
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