Cet article implémente l'installation de la version GPU de pytorch sous Windows 10. Le logiciel utilisé comprend principalement: CUDA 10.2 + cuDNN + Anaconda + pytorch1.6.0 + torchvision0.7.0. Ici pour expliquer, vous pouvez choisir la version de pytorch et torchvision qui vous convient à télécharger et à installer en fonction du CUDA que vous avez installé.
Pour l'installation de CUDA et cuDNN, veuillez vous référer à: Installer le didacticiel d'installation tensorflow-gpu (2.2.0) sous Windows 10 (éviter l'enseignement pit + nanny)
Répertoire d'articles
One, whl télécharger
Si vous utilisez anaconda pour installer directement, la vitesse est très lente même si vous ajoutez la source Tsinghua, nous téléchargeons donc whl pour l'installer réduira considérablement le coût en temps.
Adresse de téléchargement de divers whl de pytorch: https://download.pytorch.org/whl/torch_stable.html
Comme mon CUDA est la version 10.2, j'ai trouvé le whl dont j'ai besoin dans le répertoire cu102, qui sont
- cu102 / torche-1.6.0-cp36-cp36m-win_amd64.whl
- cu102 / torchvision-0.7.0-cp36-cp36m-win_amd64.whl
Deux, installez pytorch1.6.0 + torchvision0.7.0
Ouvrez Anaconda Prompt, passez au chemin de whl et entrez les commandes suivantes dans l'ordre pour l'installer. Étant donné que pytorch doit d'abord installer le package dépendant dans le futur, et que torchvision doit d'abord installer le package dépendant Pillow, l'installer à l'avance avec les sources Tsinghua peut gagner du temps.
Pour les opérations liées à Anaconda, veuillez vous référer à l' environnement virtuel Anaconda pour installer Jupyter Notebook et remplacer le répertoire de travail par défaut. Didacticiels détaillés et stratégies d'utilisation
# 激活虚拟环境
activate DL
# 切换路径
D:
cd D:\xylfile\study\whl
# pip方式安装
pip install future==0.18.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install torch-1.6.0-cp36-cp36m-win_amd64.whl
pip install Pillow == 7.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install torchvision-0.7.0-cp36-cp36m-win_amd64.whlTroisièmement, vérifiez si Pytorch peut utiliser l'accélération GPU
Ouvrez le Jupyter Notebook correspondant à l'environnement virtuel pour vérification
import touch
touch.__version__ # 查看pytorch版本
torch.cuda.is_available() # 判断pytorch是否支持GPU加速
torch.version.cuda # 查看CUDA版本
torch.backends.cudnn.version() # 查看cuDNN版本
torch.cuda.get_device_name(0) # 查看显卡类型Fin et oeufs de Pâques
Bonjour à tous, je suis Yi Lei xylbill, un salaud d'école primaire spécialisé en Recherche Opérationnelle et Cybernétique à l'Université Jiaotong de Pékin. Si vous pouvez trouver les produits secs dont vous avez besoin dans cet article, c'est mon honneur! Enfin, faites attention, aimez, préférez et commentez plus! Si vous avez des questions sur cet article, vous pouvez également m'envoyer un message privé à tout moment!
Continuez à vous discipliner, soyez émerveillé, gardez les pieds sur terre et regardez les étoiles!