赞
踩
去年双十一给自己买了台 8G 显卡内存的笔记本,之所以对显卡要求这么高是因为对人工智能感兴趣,想在自己笔记本上训练深度学习模型,因此一定要配一个好一点的 GPU。
除了笔记本之外,前前后后陆陆续续也买了好些人工智能方面的书籍,刚工作一年时候也学习过这块,像《DEEP LEARNING 深度学习》、《TensorFLow实战》、《机器学习》、《图像识别应用开发》都是学习过的,也对跟着 PyTorch 官网教程走过,还有 github 上的《动手学深度学习》电子书,不过说实话,这个方向,挺难的,研究没出什么成果。但即便如此,遇到这块的好书还是会买着,给自己的兴趣一个随时能继续研究学习的环境。
近期好朋友说参加了个关于人工智能学习的线下班,想起大约三年前一期学习过 python,而且本身就对这块感兴趣,还有这阵子不是很忙,有时间。那行吧,好机会,重新拾起来吧,工具(专门为深度学习买的笔记本)、资料(那些书籍)都有。真的很感激曾经的自己一直为兴趣而保留的环境,过去的自己就等待着这么个机会,待天时地利人和都齐了,随时出发!
官网下载地址:https://developer.nvidia.com/cuda-downloads
选择适合自己的版本下载,我选择的是,
Operating System: Windows
Architecture: x86_64
Version: 11
Installer Type: exe(network)
官网地址:https://pytorch.org/get-started/locally
根据自己的开发环境,找到安装命令,我的安装命令是,
pip3 install --pre torch torchvision torchaudio -f https://download.pytorch.org/whl/nightly/cu113/torch_nightly.html
我使用的开发工具是 PyCharm,属于最喜欢的 JetBrain 系列开发工具,新建一个工程(这里不要选择虚拟环境,少点坑,我最喜欢的 pipenv 都没用),执行安装命令等待安装完成即可。
一切顺利,显示安装完成。
接下来用代码验证一下,
import torch
x = torch.rand(5, 3)
print('PyTorch is ok? \n', x)
is_cuda_ok = torch.cuda.is_available()
print('cuda is ok? \n', is_cuda_ok)
可以看到 PyTorch 安装成功了,CUDA 并行计算工具包也正常工作了。
一般像这种环境搭建,可能不少人第一反应就是百度找一个教程,复制粘贴一下,这个流程走下来,一般情况下是能解决问题的。不过我这里给个建议:百度找的教程没走下来的话,去找官网教程,大多数是英文的,一定要静下心来慢慢看。
希望接下来的学习一切顺利咯!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。