赞
踩
文章总览:YuanDaiMa2048博客文章总览
基于GPU的PyTorch:
基于CPU的PyTorch:
综上所述,基于GPU和基于CPU的PyTorch主要区别在于性能和适用场景。GPU适用于大规模数据和模型的深度学习任务,而CPU则适用于较小规模的任务或者资源受限的环境。
GPU型号:首先,需要确保计算机上安装了支持CUDA的NVIDIA GPU。PyTorch的GPU版本依赖于CUDA加速,因此GPU必须支持CUDA才能使用GPU版本的PyTorch。可以通过执行命令 nvidia-smi
来查看GPU型号和CUDA的安装情况。
CUDA驱动:需要安装适用于本机GPU型号的CUDA驱动程序。PyTorch的GPU版本需要与正确版本的CUDA驱动配套使用。可以在NVIDIA官方网站上查找适合GPU型号的CUDA驱动程序。
CUDA工具包:CUDA Toolkit(CUDA工具包)是NVIDIA提供的一个软件包,用于支持CUDA平台的开发和运行。它包含了CUDA驱动程序、CUDA运行时、CUDA库、编译器、开发工具和示例等组件,可以让开发者利用GPU进行并行计算。
PyTorch GPU版本:最后,安装PyTorch的GPU版本。
nvidia-smi
nvcc -V
在Anaconda中创建Pytorch环境
conda create -n Pytorch python=3.8
activate Pytorch
生成PyTorch的安装命令
在官网上根据电脑配置选择,自动生成命令,如下图:
最终版本信息:
cuda版本 | python版本 | 命令 |
---|---|---|
12.1 | 3.8 | pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 |
将 pip3 替换为 pip 后可以运行
安装完成后检测是否成功,在Anaconda中激活环境,之后输入python
,进入python环境,逐条输入下列命令进行包的检测
>>> import torch
>>> print(torch.cuda.is_available())
True
>>> print(torch.__version__)
2.1.2+cu121
>>> print(torch.cuda.is_available())
True
>>> print(torch.__version__)
2.1.2+cu121
>>> exit()
PyTorch安装成功后可以安装以下一些常用的包,注意安装顺序,先安装scipy再安装scikit-learn
pip install scipy
pip install matplotlib
pip install scikit-learn
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。