如何做电商网站视频,佛山网站优化方法软件,网站申请支付宝支付,什么网站容易做流量#x1f4a5;注意事项#xff1a; CPU版和GPU版选一个进行安装即可 如果有Nvidia显卡#xff0c;则安装cuda版本的PyTorch#xff0c;如没有nvidia显卡#xff0c;则安装cpu版。 目前常见的深度学习框架有很多#xff0c;最出名的是#xff1a;PyTorch#xff08;faceb… 注意事项 CPU版和GPU版选一个进行安装即可 如果有Nvidia显卡则安装cuda版本的PyTorch如没有nvidia显卡则安装cpu版。 目前常见的深度学习框架有很多最出名的是PyTorchfacebook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
Start Locally | PyTorch
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CUDACompute 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cuDNNCUDA 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 python3.10
#进入环境
conda activate torch2
#安装gpu版本pytorch
pip install torch2.0.0 torchvision0.15.1 torchaudio2.0.1 --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 python3.10
#进入环境
conda activate torch2
#安装cpu版本pytorch
pip install torch2.0.0 torchvision0.15.1 torchaudio2.0.1 --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 torch2.0.0 torchvision0.15.1 torchaudio2.0.1或者使用conda命令进行安装需要先安装anaconda
conda install pytorch2.0.0 torchvision0.15.0 torchaudio2.0.0 -c pytorchAMD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 torch2.0.0 torchvision0.15.1 torchaudio2.0.1 --index-url https://download.pytorch.org/whl/rocm5.4.2
