目次
PyTorch のインストール
前回の記事では CUDA と cuDNN をインストールしましたが、まだインストールしていない場合は、GPU トレーニング モデルの呼び出し方法 [詳細なチュートリアル 1] - CUDA と cuDNN のインストール
https://blog.csdn.net/weixin_45206129を参照してください。 /article/details/130319783 ?spm=1001.2014.3001.5501
この時点で、最後のステップは PyTorch のインストールです。最初に開いた Pytorch Web サイト、PyTorch をまだ覚えていますか?
インストールしたばかりの CUDA バージョン (11.8) を選択します。対応するインストール コマンドは次のとおりです。
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
このインストール コマンドは、Anaconda 仮想環境で実行する必要があります。上記の 2 つのコマンドは使用できますが、失敗する可能性があります。さらに数回試して、失敗した場合は別のコマンドに変更してください。
設置時にピットを踏んでしまった
ここからがポイントです！cuda11.8のPyTorchをインストールしようとしたところ、condaを使ってもpipを使っても失敗し、対応するバージョンのリソースが見つからない旨のメッセージが表示され、各種ミラーや公式ソースも利用できませんでした。 、無事に cuda11.7 に置き換えられました（個人的な推測ですが、公式ライブラリの cuda11.8 が欠落しているのではないかと思います）
cuda11.7 のインストール手順は次のとおりです。
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
11.7cuda の Pytorch をインストールした後、CUDA をダウングレードします (バージョン 11.7 を再インストールし、再度 cuDNN にコピーします)。
インストール速度を上げる方法
ここで別のインストール方法を共有しましょう。私は pip を使用してインストールしました。公式ライブラリと通信できますが、ダウンロード速度は非常に高速 (20kb/s) です。上記のインストール手順を分析できます。
pip3 トーチのインストール torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
- pip3 install: インストールコマンドの意味
- torch torchvision torchaudio: それぞれインストールされる 3 つのパッケージ
- --index-url https://download.pytorch.org/whl/cu117: インストール パッケージのパスを検索します。
完全な pytorch をインストールする場合、3 つのパッケージ [torch、torchvision、torchaudio] をインストールする必要があることがわかります。
したがって、コマンド ライン ページを開いて、毎回個別にパッケージのインストールを実行できます。次に例を示します。
pip3 インストール トーチ --index-url https://download.pytorch.org/whl/cu117
接続が正常でダウンロードが開始されると、ダウンロード パッケージの完全名が表示されますが、ダウンロード速度が非常に遅いので、この時点でパッケージ名を記録し、プロセスを終了して、Web サイトにアクセスしてください --上記のindex-urlで対応するパッケージを見つけてください。手動でダウンロードすると、速度が大幅に速くなります。
手動でダウンロードした後、それを見つけられるディレクトリに置き、anaconda プロンプトを開き、仮想環境をアクティブ化し、パッケージが保存されているドライブ文字に cd でディレクトリに移動し、pip install xxxxxxxx.whl を使用してインストールします。これを実際のパッケージ名に置き換える必要があります。
私の個人的な経験から言えば、3 つのパッケージのうち、torch のインストールだけは比較的大きく、手動でダウンロードしてインストールできるため、比較的時間がかかりますが、他の 2 つは pip コマンドで直接インストールできます。インストールが完了すると、pip list には次の 3 つのパッケージが表示されます (今回は torchcrf はインストールされていません)。
インストール結果を確認する
3 つのパッケージがすべてインストールされ、問題がなければ、検査を実行できます。検査には主に次の 2 つの側面があります。
(1) PyTorch を参照できるか (2) グラフィックスカードを呼び出して計算できるか
まず、PyTorch が参照できるかどうかを確認します。Python コンソールで import torch と入力して Enter を押します。エラーが報告されなければ、それは通常の参照です。
次に、print(torch.__version__)とprint(torch.cuda.is_available()) をそれぞれ入力して、Pytorch のバージョンと GPU を呼び出せるかどうかを確認します。
それぞれ「1.13.1+cu117」と「True」と表示されているので、バージョンが1.13.1、cuda11.7のバージョンであることがわかりますが、cpuのバージョンであればここにはcu117は表示されませんがcpuです。 True は GPU を呼び出すことができることを意味します。False の場合は、CUDA のインストールが正常ではない、または PyTorch が正しくダウンロードされていないことが原因である可能性があり、レイヤーごとにプッシュバックして理由を見つけます。以下にコードを貼り付けますので、コピーしてください
import torch
print(torch.__version__)
print(torch.cuda.is_available())ここまででCUDA+cuDNNとPyTorchのインストールが完了したので、理論上はモデルのトレーニングができるようになりますが、後ほどコードを修正してGPUを呼び出してトレーニングする方法については別の記事で紹介したいと思います。
お役に立てば幸いです!