1、 首先先安装Ubuntu17.10
过程略
只是建议在这个部分为了实践方便,请安装Desktop版本。
2、 安装与配置Python、Pip
这种情况属于python3版本已经安装,安装的是3.6.3版本,但是没有为python3建立链接。
输入命令:
安装pip3
输入命令:
输入Y,回车
3、 安装Pytorch
在Pytorch的主页http://pytorch.org上是有不同OS,不同安装方式,不同Python版本,以及不同CUDA版本适配的安装命令引导的。
鉴于个人喜好,我是比较喜欢使用pip方式,因为比较省脑子。
我安装的Linux环境是Ubuntu 17.10、Python 3.6,无显卡。
则使用的命令如下:
pip3 install http://download.pytorch.org/whl/cpu/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
pip3 install torchvision
如果你跟我的Linux、Python环境一致的话,而有英伟达显卡的话,则需要使用这样的安装方式(假设你的显卡是支持CUDA 8.0的):
pip3 install torch torchvision
不过需要注意的是,如果你在此选择的是带有GPU的Pytorch版本的话,则还需要先行安装CUDA和CUDNN。我这边以安装CUDA 8.0和CUDNN 5.1为例,命令如下:
下载CUDA 8.0 deb文件
wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64-deb
wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/patches/2/cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64-deb
安装CUDA 8.0 deb文件
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
下载CUDNN 5.1:
wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v5.1/prod_20161129/8.0/cudnn-8.0-linux-x64-v5.1-tgz
tar zxvf cudnn-8.0-linux-x64-v5.1-tgz
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include #复制头文件
cd ../lib64
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
4、 验证
输入命令:
此时就安装完毕了。
如果你家里的网络速度比较快的话,整个流程不会超过10分钟的。