近年来,Pytorch深度学习框架由于其构建网络结构简单、入门门槛较低,越来越受到深度学习开发者的青睐,它与TensorFlow不同在于Pytorch是一个动态的框架,不需要一开始就定好了网络的架构,在运行期间可以边调试边修改,而TensorFlow则反之,这样带来的好处是开发者不需要一开始明确所构建网络的结构,可以慢慢学习找到更合适的结构,就好比在建筑工地的实地考察的工程师,工人们每搭一堵墙都会过来询问下一步要做什么,而TensorFlow就好比在办公室画图纸的建筑师,在施工之前就设计好整栋大楼的结构,而且设计时候也不会有人打扰,当然效率就比Pytorch要高了。
环境:Ubuntu16.04
显卡:NVIDIA GTX970
由于我们需要在Pytorch使用CUDA加速训练过程,因此第一步需要安装显卡驱动为安装CUDA做准备。
ctrl + alt + f1
#进入命令行模式以停止对显卡的使用sudo service lightdm stop
#关闭图形界面sudo apt-get remove --purge nvidia*
#删除旧的驱动sudo apt-get update
sudo apt-get install dkms build-essential linux-headers-generic
#安装依赖sudo vim /etc/modprobe.d/blacklist-nouveau.conf
#禁用nouveau,输入以下内容sudo update-initramfs -u
ctrl + alt + f1
#再次进入命令行模式sudo service lightdm stop
#再次关闭图形界面sudo service lightdm stop
sudo ./NVIDIA-Linux-x86_64-384.98.run -no-opengl-files
#安装驱动sudo service lightdm start
#启动图形界面cat /proc/driver/nvidia/version
#测试驱动sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
#安装deb包sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
#apt添加安装CUDA所需要的公钥sudo apt-get update
sudo apt-get install cuda
#apt安装CUDAexport PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
#添加环境变量export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
#64位系统需要nvcc -V
cuDNN是NVIDIA用来加速深度神经网络训练的工具库,虽然不是必需,但为了以后更方便地使用,还是装上吧。
runtime library
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
#安装deb包本文使用conda安装Pytorch,读者也可以选择pip,但笔者用pip安装过两次都没成功,最终还是选择conda,这也是一个python的包管理工具,但Pytorch官方推荐conda,貌似安装依赖更全一点。
bash Anaconda.sh
source ~/anaconda3/etc/profile.d/conda.sh
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
#添加清华大学的镜像源,以加速conda下载速度conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#专门添加Pytorch镜像源,由于Pytorch是Facebook推出的,所以国内是无法直接访问其whl文件的,需要借助清华大学的镜像源conda install pytorch
python
import torchprint(torch.cuda.is_available())conda install torchvision
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。