一、目的
使用Pytorch进行语义分割的实验,模型暂定使用unet,首先进行pytorch的环境搭建。
二、步骤
在之前的笔记中,我们已经搭建好了python的一个基本工作环境,下载了Pycharm、anaconda等必要的环境配置以及编程工具。
1、新建虚拟环境命名为pytorch;在prompt中写入命令:
conda create -n pytorch python=3.10
2、激活虚拟环境;在prompt中写入命令(conda可有可无):
conda activate pytoch
3、在虚拟环境中安装pytorch;这里涉及到CPU以及GPU的问题。
- 查看计算机显卡配置:右击我的电脑,点击【管理】,打开【系统工具】-【设备管理器】-【显示适配器】,查看显卡配置。我的显卡是集成显卡Intel(R) UHD Graphics 620,不支持GPU加速。
- 不支持CPU的情况下,pytorch的下载方式:Start Locally | PyTorch
到官网选择进行如下选择,复制command命令到prompt中,弹出选择y。
支持GPU加速的话,需要下载Cudnn和CUDA,具体需要什么版本,需要与自己的显卡对应,可以参考第二个参考文章。
三、问题解答
1、CPU和GPU在运行PyTorch的时候有什么区别?
PyTorch是一个基于Python的科学计算库,主要用于机器学习和深度学习领域。PyTorch支持CPU和GPU两种运行方式。
CPU版本的PyTorch只能使用CPU进行计算,速度相对较慢,但是不需要额外的硬件支持,可以在任何计算机上运行。
而GPU版本的PyTorch则可以利用GPU进行计算,速度相对较快,但是需要有支持CUDA的GPU硬件。在深度学习任务中,GPU通常能够比CPU提供更好的性能和速度,尤其是在大规模数据训练和复杂的模型训练中。
因此,如果你的计算机有支持CUDA的GPU,建议使用GPU版本的PyTorch来进行深度学习任务,以获得更好的性能和速度。如果没有GPU支持,也可以使用CPU版本的PyTorch,但是需要注意速度较慢的问题。
总结一下就是,GPU最好,CPU行不行我先试试。
四、参考文章
pytorch在cpu和gpu代码运行过程区别 pytorch cpu和gpu版本怎么选_mob6454cc7d4112的技术博客_51CTO博客