目前常见的深度学习框架有很多,最出名的是:PyTorch(facebook出版), Tensorflow(谷歌出版),PaddlePaddle(百度出版)。PyTorch是目前最主流的深度学习框架,我们就选择PyTorch肯定没错。
官网查看最新版 :
Nvidia显卡上安装PyTorch
Nvidia显卡如果要装pytorch,可以用windows系统,也可以用Linux系统,如果有Nvidia显卡,则安装GPU版本PyTorch,首先升级显卡驱动,将自己显卡驱动升级到最新。
安装CUDA
🔎安装CUDA(Compute Unified Device Architecture)意味着在您的电脑上部署NVIDIA推出的一种并行计算平台和编程模型。CUDA允许开发者利用NVIDIA GPU(图形处理器)进行通用计算,而不仅仅是图形处理。这意味着原本设计用来加速图像渲染的任务的GPU,现在可以通过CUDA来执行科学计算、深度学习、物理模拟等高度并行化的计算任务。
安装CUDA11.8, 下载连接: CUDA Toolkit 11.8 Downloads | NVIDIA Developer
下载CUDA后,使用默认安装即可。
安装CUDNN
🔎安装cuDNN(CUDA Deep Neural Network library)是指在已安装CUDA的基础上,部署NVIDIA专门为深度学习应用优化的GPU加速库。cuDNN是一个底层库,它提供了高度优化的例程,用于深度神经网络中最常见的操作,如卷积、池化、激活函数等。 安装cuDNN的目的在于进一步提升基于GPU的深度学习计算效率,因为它针对深度学习任务进行了特别的优化。cuDNN的设计旨在简化集成到更高级的机器学习框架中,如TensorFlow、PyTorch、Caffe等,这些框架在内部使用cuDNN来加速它们的运算。
下载cudnn,下载连接:cuDNN Archive | NVIDIA Developer
将cudnn解压后解压后,是几个文件夹
然后再把它们都放到cuda同一级目录下。
命令行安装PyTorch
#创建PyTorch环境
conda create -n torch2 python==3.10
#进入环境
conda activate torch2
#安装gpu版本pytorch
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https ://download.pytorch.org/whl/cu118
验证GPU版是否安装成功
import torch
print(torch._version_)
print(torch.cuda.is_available())
安装CPU版本PyTorch
如Windows电脑上没有Nvidia显卡,则安装CPU版本PyTorch
#创建PyTorch环境
conda create -n torch2 python==3.10
#进入环境
conda activate torch2
#安装cpu版本pytorch
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https ://download.pytorch.org/whl/cpu
验证CPU版是否安装成功与刚才一样,只是最后输出False。
MacOS上安装PyTorch
输入命令
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1
或者使用conda命令进行安装(需要先安装anaconda)
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 -c pytorch
AMD显卡上安装PyTorch
amd显卡如果要装pytorch,只能用 linux 系统,执行以下命令安装
# ROCM 5.4.2 (Linux only)
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/rocm5.4.2