Instalación de PyTorch

En el artículo anterior se instalaron CUDA y cuDNN, si no los ha instalado, puede consultar: Cómo llamar al modelo de entrenamiento de GPU [Tutorial detallado 1] - Instalación de CUDA y cuDNN https://blog.csdn.net/ weixin_45206129/article/details/130319783 ?spm=1001.2014.3001.5501

En este punto, el último paso es la instalación de PyTorch. ¿Aún recuerdas el sitio web de Pytorch que se abrió al principio: PyTorch

Seleccione la versión de CUDA (11.8) que acaba de instalar y el comando de instalación correspondiente es el siguiente:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
or
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

Este comando de instalación debe ejecutarse en el entorno virtual de Anaconda. Los dos comandos anteriores son aceptables, pero pueden fallar. Inténtelo unas cuantas veces más y cambie a otro si falla.

Se pisó el foso durante la instalación.

¡Aquí viene el punto! Cuando intenté instalar PyTorch de cuda11.8, sin importar si usé conda o pip, no tuve éxito, me indicaron que no se podían encontrar los recursos de la versión correspondiente y no estaban disponibles varios espejos y fuentes oficiales. , fue reemplazado con éxito por cuda11.7 (mi conjetura personal es que falta cuda11.8 de la biblioteca oficial)

Las siguientes son las instrucciones de instalación para cuda11.7:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
or
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

Después de instalar Pytorch de 11.7cuda, baje la versión de CUDA (reinstale la versión 11.7 y cópiela en cuDNN nuevamente).

Formas de aumentar la velocidad de instalación.

Permítanme compartir otro método de instalación aquí. Lo instalé usando pip. Aunque puedo comunicarme con la biblioteca oficial, la velocidad de descarga es muy rápida (20 kb/s). Puede analizar las instrucciones de instalación anteriores:

pip3 instalar antorcha torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

Instalación de pip3: el significado del comando de instalación
torch torchvision torchaudio: se instalarán tres paquetes respectivamente
--index-url https://download.pytorch.org/whl/cu117: busque la ruta del paquete de instalación

Se puede ver que cuando instalamos un pytorch completo, necesitamos instalar tres paquetes [torch, torchvision, torchaudio]

Por lo tanto, podemos abrir la página de línea de comando y realizar la instalación de un paquete individualmente cada vez, por ejemplo:

pip3 instala la antorcha --index-url https://download.pytorch.org/whl/cu117

Si la conexión es normal y comienza la descarga, se mostrará el nombre completo del paquete de descarga, pero la velocidad de descarga es muy lenta. En este momento, registre el nombre del paquete, finalice el proceso y vaya al sitio web que se encuentra detrás. index-url arriba para encontrar el paquete correspondiente. , descárguelo manualmente, la velocidad será mucho más rápida.

Después de descargarlo manualmente, colóquelo en un directorio que pueda encontrar, abra el indicador de anaconda, active el entorno virtual, ingrese cd en la letra de unidad donde está almacenado el paquete, cd en el directorio, use pip install xxxxxxxx.whl para instalar, aquí debes reemplazarlo con el tuyo Nombres de paquetes.

Desde mi experiencia personal, entre los tres paquetes, solo la instalación de torch es relativamente lenta, porque es relativamente grande y se puede descargar e instalar manualmente; los otros dos se pueden instalar directamente con el comando pip. Una vez completada la instalación, en la lista de pip se pueden ver los siguientes tres paquetes (esta vez torchcrf no está instalado):

Verificar los resultados de la instalación

Una vez que los tres paquetes estén instalados y no haya ningún problema, puede realizar una inspección, que incluye principalmente dos aspectos:

(1) Si se puede hacer referencia a PyTorch (2) Si es posible llamar a la tarjeta gráfica para realizar cálculos

Primero, verifique si se puede hacer referencia a PyTorch. Ingrese import torch en la consola Python y presione Enter. Si no se informa ningún error, es una referencia normal:

Luego ingrese print(torch.__version__) e print(torch.cuda.is_available()) respectivamente para verificar la versión de Pytorch y si se puede llamar a la GPU:

Se puede ver que se muestran 1.13.1 + cu117 y True respectivamente, lo que significa que la versión es 1.13.1 y es la versión cuda11.7. Si es la versión de la CPU, aquí no se mostrará cu117 sino la cpu; Verdadero significa que se puede llamar a la GPU, si es Falso, puede deberse a que la instalación de CUDA no es normal o que PyTorch no se descargó correctamente, retroceda capa por capa para encontrar el motivo. Estoy pegando el código a continuación para que puedas copiarlo.

import torch

print(torch.__version__)

print(torch.cuda.is_available())

En este punto, se ha completado la instalación de CUDA + cuDNN y PyTorch. En teoría, se puede realizar el entrenamiento del modelo. Más adelante publicaré otro artículo sobre cómo llamar a GPU para entrenamiento modificando el código.

espero que te sea de ayuda!

Cómo llamar al modelo de entrenamiento de GPU [tutorial detallado 2] -Instalación y configuración de PyTorch

Instalación de PyTorch

Se pisó el foso durante la instalación.

Formas de aumentar la velocidad de instalación.

Verificar los resultados de la instalación

Supongo que te gusta