代理下载PyTorch GPU版

前言

先放代码(41091改成你自己的代理端口,代码最后加上需要下载的包):

pip3 install --default-timeout=1000 --proxy 127.0.0.1:41091
  • 本人是新手,如有错误还请指正。

  • 本文建立在已知需要下载的PyTorch版本并下载好了CUDA、CUDnn等,以及如何使用代理的基础上。

  • 电脑是Win10系统,conda环境也可以使用pip下载。因为直接下载速度非常缓慢,考虑使用代理来提高下载速度。

  • 更新:本人在Ubuntu20.04下也安装成功了,步骤几乎完全一致。

查看PyTorch官网

首先,需要查看官网确认自己需要下载的PyTorch版本的命令:
在这里插入图片描述

pip3 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

查看代理服务器地址、端口

在这里插入图片描述
可以在代理软件的设置中找到,之后的代码请根据你自己的地址和端口进行修改!

使用pip下载

需要使用pip/pip3的--proxy选项:
127.0.0.1:41091是我的代理服务器地址和端口,请根据你自己的地址和端口进行修改!

pip3 --proxy 127.0.0.1:41091 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

可能出现的错误

1. ReadTimeoutError

超时出错,考虑加大超时时间(在以上代码中加入--default-timeout=1000):

pip3 --default-timeout=1000 --proxy 127.0.0.1:41091 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

2. zipfile.BadZipFile: File is not a zip file

这个问题比较奇怪,目前我没有发现较好的解决方法。可能是下载文件出错导致的,和网络和线路的稳定性有关,只能重试一次,也可尝试切换不同的线路。

成功图片和测试代码

图片如下:
在这里插入图片描述
测试代码:

转自:https://blog.csdn.net/luoshiyong123/article/details/107221694/

import torch
# 以下代码只有在PyTorch GPU版本上才会执行
import time

print(torch.__version__)
print(torch.cuda.is_available())
a = torch.randn(10000, 1000)
b = torch.randn(1000, 2000)
t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

device = torch.device('cuda')
a = a.to(device)
b = b.to(device)
t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

结果为:
在这里插入图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 您可以使用以下命令下载PyTorch GPU本: ``` pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu111/torch_stable.html ``` 其中,`cu111` 表示 CUDA 11.1 本,如果您使用的是其他本的 CUDA,可以根据需要进行修改。另外,如果您需要指定 PyTorch本号,可以在命令中加上 `-v` 参数,例如: ``` pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/cu111/torch_stable.html ``` 这样就可以下载 PyTorch 1.9.0 本的 GPU 本了。 ### 回答2: PyTorch是一个开源的Python机器学习库,可以在GPU上进行加速计算,因此需要下载PyTorch GPU本以利用GPU进行训练和推理。 在使用pip安装PyTorch GPU本之前,需要确保计算机已经安装了适当的CUDA和cuDNN库。如果计算机没有安装,则需要先安装并配置它们,以便在GPU上运行PyTorch。此外,需要确保安装了对应本的NVIDIA CUDA驱动程序,以充分利用GPU资源。 以下是安装PyTorch GPU本的步骤: 1.打开终端或命令行窗口,并输入以下命令以确保pip已经安装: ```sh pip --version ``` 如果pip没有安装,则需要先安装pip。 2.输入以下命令下载PyTorch GPU本: ```sh pip install torch torchvision torchaudio --upgrade --no-cache-dir -f https://download.pytorch.org/whl/cuXXX/torch_stable.html ``` 请注意,上述命令中的XXX应该替换为您计算机上CUDA的本号。例如,如果您的计算机上安装的是CUDA 10.1,则应该使用下面这个链接: ```sh https://download.pytorch.org/whl/cu101/torch_stable.html ``` 3.等待安装过程完成。如果安装成功,则终端会输出“Successfully installed torch torchvision torchaudio”。 4.为了测试PyTorch是否在GPU上运行,请在Python交互界面中输入以下代码: ```python import torch print(torch.cuda.is_available()) ``` 如果输出结果为“True”,则表示PyTorch已经在GPU上运行。 如果您安装了过期本的PyTorch,则可能会出现许多bug和Incompatible本问题,请确保从官方网站下载最新本的PyTorch。 ### 回答3: PyTorch是当前最流行的深度学习框架之一。PyTorch支持CPU和GPU计算,而GPU计算可以显著提高深度学习训练速度。为此,如果您想在PyTorch中使用GPU加速,您需要下载GPU本的PyTorch。 下面是使用pip下载PyTorch GPU本的步骤: 1. 首先,打开终端并运行以下命令安装CUDA工具包:```sudo apt-get install cuda```(仅限于Linux命令行工具)。如果您的操作系统不是Linux,您需要从NVIDIA官网上下载和安装CUDA工具包。 2. 在您的PyTorch项目环境中,运行以下命令安装GPU本的PyTorch:```pip install torch torchvision```。这个命令会自动安装最新本的GPU支持。 3. 如果您需要特定本的PyTorch,您可以访问PyTorch官网的下载页面,下载相应本的whl文件。然后,通过以下命令安装已下载的whl文件:```pip install /path/to/torch-1.x.x-cp3x-cp3x-linux_x86_64.whl```。请注意将"/path/to"替换为whl文件的实际路径,"1.x.x"是PyTorch本号,"cp3x"是Python本号。如果您的Python本为3.6,则应为"cp36"。 4. 在您的代码中,通过以下方式导入GPU支持的PyTorch:```import torch```。如果您的代码在可用GPU的环境中运行,PyTorch将默认使用GPU进行计算(如果不使用GPU,请设置一个运行在CPU上的标志)。 总之,通过运行以上命令,您将能够下载和安装PyTorch GPU本,并在您的深度学习训练中利用GPU加速。在使用GPU进行计算时,您可能会遇到一些错误,例如找不到CUDA库等问题。在遇到这些问题时,您可以参考PyTorch官方文档的GPU支持部分,以获得更多的帮助和信息。

“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
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