如何在你的计算机上安装 PyTorch 以及 CUDA 11.0

嗨,大家好!你是否曾经想要深入学习机器学习和人工智能,但却在安装PyTorch和CUDA方面感到困惑?别担心,我将带你一步一步完成这个过程。

在过去的几年里,PyTorch已经成为了深度学习领域的瑰宝。而CUDA,NVIDIA的并行计算平台,可以极大地提高深度学习应用程序的性能。但是,要在你的计算机上正确安装PyTorch和CUDA 11.0并不是一件容易的事情。

本教程将向你展示如何使用Miniconda来安装PyTorch,而不是使用pip或其他包管理器。这样做不仅更容易,而且可以避免潜在的依赖关系问题。接下来,我们将一步一步地指导你完成这个过程。

步骤 0:安装Miniconda

在开始之前,你需要安装Miniconda。Miniconda是Anaconda的轻量级版本,它将根据需要下载所需的软件包,因此不会占用太多的存储空间。你可以在这里找到Miniconda的安装指南。

步骤 1:安装依赖项

首先,我们需要安装PyTorch的所有依赖项,包括Python中的数值计算库numpy,以及一些构建工具如setuptools和cmake。在终端中运行以下命令:

conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests

如果你在Linux上运行,还需要为CUDA 11.0添加LAPACK支持。在这种情况下,运行以下命令来安装MAGMA(CUDA 11.0版本):

conda install -c pytorch magma-cuda110

步骤 2:下载PyTorch源代码

接下来,我们需要从GitHub上下载最新的PyTorch源代码。运行以下命令来克隆PyTorch的GitHub仓库,并使用--recursive参数来下载子模块:

git clone --recursive https://github.com/pytorch/pytorch

然后进入pytorch目录,这将成为我们的工作目录:

cd pytorch

如果你之前已经克隆过PyTorch的源代码,可以运行以下命令来更新它:

git submodule sync
git submodule update --init --recursive

步骤 3:编译和安装PyTorch

现在,我们已经下载了PyTorch的源代码并且在你的计算机上安装了CUDA 11.0,接下来我们将编译并安装PyTorch。

如果你使用的是Linux,比如Ubuntu 20.04或18.04,运行以下命令:

export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py install

如果你使用的是macOS,运行以下命令:

export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
MACOSX_DEPLOYMENT_TARGET=11.0 CC=clang CXX=clang++ python setup.py install

[可选] 更改编译选项

因为我们使用了cmake来编译PyTorch,你可以选择性地更改cmake变量的配置。以下代码片段可用于更改CuDNN或BLAS的预检测目录,以满足你的需求。

对于Linux:

export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py build --cmake-only
ccmake build  # 或者 cmake-gui build

对于macOS:

export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ python setup.py build --cmake-only
ccmake build  # 或者 cmake-gui build

总结

通过本教程,你已经学会了如何在你的计算机上安装PyTorch以及CUDA 11.0。这些工具将为你深入学习和应用机器学习和深度学习提供强大的支持。希望你能够享受到使用PyTorch和CUDA的乐趣!

参考链接:PyTorch官方GitHub

关于PyTorch

PyTorch是一个开源的深度学习平台,具有可扩展性和灵活性,适用于部署测试、强大和支持。它通过一个快速的自动梯度组件,支持快速、模块化的实验和类似Python的执行。

PyTorch具有4个主要特点:

  1. PyTorch已经为生产准备好:TorchScript可以在急切模式和图模式之间无缝切换,TorchServe可以加速生产操作。
  2. PyTorch支持分布式训练:torch.collaborative接口增强了有效的分布式训练,在研究和开发中最大限度地提高了效率。
  3. PyTorch拥有强大的生态系统:它有一个广泛的工具和库生态系统,支持计算机视觉和自然语言处理等应用。
  4. PyTorch拥有原生的云支持:在主要云提供商上以零摩擦的开发和快速扩展而闻名。

关于CUDA

CUDA是

一种通用的并行编程和计算范式,为NVIDIA的图形处理单元(GPU)构建。通过CUDA,开发人员可以使用GPU工具极大地提高计算程序的效率。

在GPU加速的程序中,函数的顺序部分在CPU上运行,以获得优化的单线程性能,而计算密集部分(如PyTorch代码)通过CUDA在成千上万个GPU核心上并行运行。开发人员可以使用CUDA,通过使用一些基本的关键字和扩展,以C、C++、Python等常见语言编写代码,并实现并行性。

NVIDIA的CUDA工具包包括构建加速GPU应用程序所需的一切,包括GPU加速模块、解析器、编程工具和CUDA运行时。

希望这篇教程对你有所帮助,让你能够轻松安装PyTorch和CUDA 11.0,从而更轻松地进入深度学习的世界!

本文由作者 王大神 原创发布于 大神网的AI博客。

转载请注明作者:王大神

原文出处:如何在你的计算机上安装 PyTorch 以及 CUDA 11.0

(0)
打赏 微信扫一扫 微信扫一扫
上一篇 2023年9月15日
下一篇 2023年9月17日

相关推荐

  • 用audioFlux进行音频和音乐分析的深度学习工具教程

    故事开始于一个寂静的夜晚,你坐在电脑前,渴望探索音频和音乐的奥秘。你听说了一款强大的工具,名为audioFlux,它是一个深度学习工具库,专为音频和音乐分析以及特征提取而设计。在这篇教程中,我们将一起探索如何…

    2023年9月19日
    00
  • 在UOS上安装微信的多种方法详解

    在我们快速变化的数字时代,社交媒体变得愈发重要。微信作为中国最受欢迎的社交应用之一,无疑是连接亲朋好友、分享生活点滴的首选工具。然而,在Linux操作系统UOS上安装微信可能会让一些人感到困惑。今天,我将向…

    2023年10月21日
    00
  • 如何让GPT自动编写新功能:挑战与前景

    在当今数字化时代,编程已经成为了无数人的核心技能之一。然而,编写大型项目的代码仍然是一项繁琐而耗时的任务。许多开发者都希望有一种方式能够让机器自动编写新功能的代码,从而提高开发效率。在这篇文章中,我…

    2023年10月22日
    00
  • 如何检查PyTorch版本

    嘿,大家好!在深入学习机器学习和人工智能的道路上,PyTorch是一个非常重要的工具。但是,你是否曾经在使用PyTorch时不确定你的版本是哪个?或者你想要在编写Python代码时自动检查PyTorch版本吗?不用担心,我将向…

    2023年9月17日
    00
  • 基于2023年的顶级配置,打造AI和深度学习工作站

    在科技迅速发展的今天,AI及深度学习已经渗透到我们生活的方方面面。为了更好地迎合这个趋势,个人和企业都需要配备高效能的计算机硬件。今天,我们将带你一探2023年最佳的AI和深度学习工作站,帮助你找到最适合你…

    2023年9月10日
    00
  • 分布式深度学习:PyTorch中的多GPU训练策略

    引言 在深度学习领域,随着数据集和模型的不断扩大,单个GPU的计算能力逐渐无法满足训练的需求。为了充分利用多个GPU的并行计算能力,PyTorch提供了多种多GPU训练的方法,其中包括nn.DataParallel和DistributedData…

    2023年9月5日
    00
  • 探秘xFormers:加速Transformer研究的利器

    xFormers是一款强大的工具,旨在加速Transformer模型的研究。这个工具提供了一系列可自定义的构建模块,无需编写繁琐的代码,让研究人员可以专注于模型的创新和改进。它不仅包含了最新的组件,还提供了高效的构建块…

    2023年9月25日
    00
  • 为什么国内将”Machine Learning Engineer”称为”算法工程师”?

    在当今科技领域的飞速发展中,机器学习和人工智能技术已经成为了炙手可热的话题。在这一领域,有一个职业称为"Machine Learning Engineer",国内则将其称为"算法工程师"。这个命名差异一直让人…

    2023年10月6日
    00
  • 深度学习与自然语言处理:LangChain、Deep Lake和OpenAI实现问答系统

    深度学习和自然语言处理领域一直是人工智能中备受关注的话题。如何构建一个强大的问答系统一直是研究人员和工程师们的追求。本教程将向您展示如何使用LangChain、Deep Lake和OpenAI实现一个强大的问答系统,让您的…

    2023年10月14日
    00
  • 会展中心沙盘模型:独特醒目的展示方式

    在现代会展业中,吸引观众和参展商的目光变得至关重要。如何在众多竞争对手中脱颖而出?一个有趣、生动的方式就是制作并展示会展中心的沙盘模型。本文将介绍如何制作、安装会展中心沙盘模型,以及相关费用。 开篇故…

    2023年10月25日
    00