PyTorch的安装和环境配置||GPU和CPU
文章目录
前言
PyTorch作为一个开源深度学习框架,由于其动态计算图的优点,受到AI Learner的广泛喜欢(虽然但是,Tensorlflow也已经更迭了动态计算图的version,Google于11月发布了TensorFlow Fold,利用动态计算图).当然PyTorch可以利用多GPU(显卡)的优势依旧存在。
一、PyTorch安装须知
1版本选择
PyTorch分为CPU版本和GPU版本,CPU版本使用核心处理器的算力进行图形化计算,原理与核显相似。当然电脑有独立显卡的,肯定是更优选择GPU版本。
2查看显卡cuda版本
这里主要是指NVIDA的显卡,AMD的选手可以点掉了。
通过win+R打开命令提示符,输入cmd命令运行。
nvidia-smi #输入该指令查看显卡cuda版本
作者的CUDA Version为12.2,也可以通过NAVID的显卡管理器进行查看。
二、PyTorch包下载/conda下配置
1.打开PyTorch的虚拟环境
前面的博客中已经写了如何配置虚拟环境Anaconda安装教程以及pytorch虚拟环境搭建
2.PyTorch官网查看下载链接
点击 PyTorch官网https://pytorch.org/get-started/locally/
在这里,可以选择CPU和CUDA版本的Conda和Pip下载指令,推荐选择低于本机CUDA版本1-2版本的,比如作者12.2版本的CUDA下载了11.8版本。
下载指令CPU版本
pip3 install torch torchvision torchaudio
下载指令GPU版本
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
修改pip3指令最后cu113为cu118即可下载,11.8版本的cuda。
3.查看安装完成
pip3 list
可以看到torch已经安装,后面我们在Pycharm里面看一下,是否可以导入。
import torch
print(torch.cuda.is_available())
#返回True即认为torch可以使用GPU
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,安装完了GPU版本的Torch包,我们可以在后面的博客中,再看下cuDNN的安装和必要性。