I.はじめに

ディープラーニングの分野では、pytorch フレームワークを使用する人が増えており、CV マシンビジョン、NLP、自然言語処理など、現在主流の GPT モデルなどの大規模モデルも pytorch を使用しています。たとえば、清華大学のスタンドアロン GPT モデル chatGLM は、GPU バージョンの pytorch を使用しています。以前に keras を使用したときに、初めて pytorch をインストールし、将来の参考のためにインストール手順を記録しました。

2. インストール手順

step1. グラフィックドライバーをインストールする

グラフィックスカードは主に Nvidia グラフィックスカードです。グラフィックスカードのモデルに応じて、NVIDIA の公式 Web サイトにアクセスしてダウンロードしてインストールします。

step2. cudaをインストールする

この手順も同様で、公式対応するグラフィックスカードとオペレーティングシステムのバージョンをダウンロードします
ここに画像の説明を挿入
。12.1 をダウンロードし、
通常のソフトウェアと同じように、ダウンロード後ダブルクリックしてインストールしました。

step3.cuDNNをインストールする

この手順も同様です。公式 Web サイトの対応するグラフィックスカードとオペレーティングシステムのバージョンをダウンロードします。
ここに画像の説明を挿入
ここで初めて個人アカウントを登録する必要がある場合がありますが、これは少し面倒です。ガイダンスに従って登録するだけです。
登録後、ダウンロードするのに適したオペレーティングシステムのバージョンを選択します。
ダウンロード後、いくつかのフォルダーを解凍します
ここに画像の説明を挿入
。cuda インストールディレクトリを見つけて、対応するフォルダーを置き換えます。

cuDNN がインストールされていることを確認し、cmd を開き、次のように入力します。

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite を実行し
、次のコマンドを実行します
。bandwidthTest.exe
ここに画像の説明を挿入
に「PASS」と表示されます。これは成功を意味します。

step4. pytorch環境をインストールする

ネットワーク速度が速い場合は、pytorch の公式 Web サイトをインストールしてインストール方法を説明できます(推奨されません)。torch
ここに画像の説明を挿入
のサイズが少し大きいため、ネットワークやその他の理由により、pip コマンドによるダウンロードがタイムアウトする可能性があります。対応する Web ページにアクセスして、対応するモジュールを手動でダウンロードするのが最善です。主に torch、torchvision、torchaudio の 3 つのモジュールが含まれます。
これら 3 つのモジュールの対応するサポートバージョンを選択する必要があります。torch バージョンと、torchvision および torchaudio との対応関係はそれぞれ次のとおりです: 最も
ここに画像の説明を挿入

安全なインストール方法は、最初にこれら 3 つのファイルをオフラインでダウンロードすることです。URL は次のとおりです:オフラインダウンロードリンクは
こちら、上記でダウンロードしました cuda のバージョンは 12.1 で、同じバージョンは存在しないため、最も高いバージョン 11.8 (つまり、cu118 で始まるバージョン) をダウンロードしました。例: cu118/torch-2.0.0%2Bcu118-
cp39- cp39-win_amd64.whl
cu118— — cuda 11.8 バージョンを表します
torch-2.0.0 — 2.0.0 バージョンを表します
cp39 — Python 3.9 バージョンを表します
win_amd64 — Windows 64 ビットを表します

テーブルルックアップに対応する torchvision および torchaudio のバージョンは、0.15.1 および 2.0.1 です。
ここに画像の説明を挿入
3 つのオフラインファイルをダウンロードした後、ファイルが存在するディレクトリに入り、pip install コマンド ( pip install torch-2.0) を使用してインストールします。 .0+cu118-cp39-cp39-win_amd64.whl torchaudio-2.0.1+cu118-cp39-cp39-win_amd64.whl torchvision-0.15.1+cu118-cp39-cp39-win_amd64.whl）の場合、インストールは次のように完了します。しばらくの間:
ここに画像の説明を挿入

3. pytorch を使用して非線形方程式系を解く

pytorch のグラフコンピューティングフレームワークとバックプロパゲーションメカニズムを使用すると、非線形方程式を簡単に解くことができます。

import torch

# Define the equations as functions
def f1(x, y):
    return x**2 + y**2 - 1

def f2(x, y):
    return x - y**2

# Define the variables
x = torch.tensor([1.0], requires_grad=True)
y = torch.tensor([1.0], requires_grad=True)

# Define the optimizer
optimizer = torch.optim.Adam([x, y], lr=0.1)

# Define the loss function
def loss_fn(x, y):
    return f1(x, y)**2 + f2(x, y)**2

# Train the model
for i in range(1000):
    optimizer.zero_grad()
    loss = loss_fn(x, y)
    loss.backward()
    optimizer.step()

# Print the results
print("x: ", x.item())
print("y: ", y.item())

方程式が列挙されている限り、上記と同様の方法で解くことができるため、これは操作可能であると感じています。
次のように動作します (非常に小さなエラー)。
ここに画像の説明を挿入

pytorch ディープラーニングフレームワーク CUDA版環境導入記 - オーバーキル - 非線形方程式を解く

目次