快捷導(dǎo)航

Pytorch1.5.1版本安裝的方法步驟

更新時(shí)間：2020年12月31日 14:25:10 作者：愛聽許嵩歌

這篇文章主要介紹了Pytorch1.5.1版本安裝的方法步驟，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

查看自己cuda版本，

在這里插入圖片描述

我的cuda是11版本了，所以可以安裝11版本以下的任何版本。

進(jìn)入pytorch官網(wǎng)

官網(wǎng)網(wǎng)址：https://pytorch.org/

在這里插入圖片描述

2020年11月19號(hào)，更新

最簡單的是直接按官網(wǎng)給的Run this Command命令，直接安裝，如下：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

解釋：-c pytorch，意思是從pytorch網(wǎng)站下載，速度感人，有辦法的那就方便多了。

按照上面圖這樣選擇，安裝pytorch有GPU加速的版本，安裝命令可以改下，后面加個(gè)豆瓣源，這樣下載速度快些。

pip install torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple

或者直接用conda安裝，去掉后面的 -c pytorch

conda install pytorch torchvision cudatoolkit=10.2

如果上面方法都下載慢，那就按下面方法來。（適用于win版本，Linux的可以返回上一層尋找對應(yīng)的版本）

先進(jìn)清華源https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/?C=M&O=D
下載對應(yīng)pytorch版本，我的是Python3.7，需要PyTorch-gpu版本，cuda需要10.2，找到對應(yīng)的bz2文件下載，如圖

在這里插入圖片描述

還要下載對應(yīng)的torchvision===0.6.1，如圖

在這里插入圖片描述

下載好就在命令行進(jìn)入你下載的路徑目錄里面安裝，并輸入下面代碼進(jìn)行離線安裝。

conda install --offline 對應(yīng)的安裝包文件名字

安裝完后還要安裝cudatoolkit=10.2

conda install cudatoolkit=10.2

然后運(yùn)行測試代碼：

# TEST
import torch
from torch.backends import cudnn

x = torch.Tensor([1.0])
xx = x.cuda()
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())
print(xx)
print(cudnn.is_acceptable(xx))

結(jié)果：

1.5.1
10.2
True
tensor([1.], device='cuda:0')
True

安裝成功！

GPU加速代碼

import torch
import time

print(torch.__version__)
print(torch.cuda.is_available())

a = torch.randn(10000, 1000)
b = torch.randn(1000, 2000)

t0 = time.time()
c = torch.matmul(a, b) # 矩陣乘法
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

t0 = time.time()
c = torch.matmul(a, b) # 矩陣乘法
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

device = torch.device('cuda')
a = a.to(device)
b = b.to(device)

t0 = time.time()
c = torch.matmul(a, b) # 矩陣乘法
t2 = time.time()
print(a.device, t2 - t0, c.norm(2))

t0 = time.time()
c = torch.matmul(a, b)
t2 = time.time()
print(a.device, t2 - t0, c.norm(2))

結(jié)果：

1.5.1
True
cpu 0.13901472091674805 tensor(140929.9688)
cpu 0.16696977615356445 tensor(140929.9688)
cuda:0 0.22500324249267578 tensor(141330.6875, device='cuda:0')
cuda:0 0.003974437713623047 tensor(141330.6875, device='cuda:0')

運(yùn)行兩次是cuda有個(gè)預(yù)熱的過程，第二次的時(shí)間明顯減少了。和CPU相比，更快。

自動(dòng)求導(dǎo)

代碼：

import torch
from torch import autograd

x = torch.tensor(1.)
a = torch.tensor(1., requires_grad=True)
b = torch.tensor(2., requires_grad=True)
c = torch.tensor(3., requires_grad=True)

y = a ** 2 * x + b * x + c

print('before:', a.grad, b.grad, c.grad)
grads = autograd.grad(y, [a, b, c])
print('after :', grads[0], grads[1], grads[2])

結(jié)果：