Pytorch1.5.1版本安装的方法步骤_Python

Pytorch1.5.1版本安装的方法步骤

2021-08-20 00:33爱听许嵩歌 Python

这篇文章主要介绍了Pytorch1.5.1版本安装的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

查看自己cuda版本，

Pytorch1.5.1版本安装的方法步骤

我的cuda是11版本了，所以可以安装11版本以下的任何版本。

进入pytorch官网

官网网址：https://pytorch.org/

Pytorch1.5.1版本安装的方法步骤

2020年11月19号，更新

最简单的是直接按官网给的run this command命令，直接安装，如下：

				?

									conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

解释：-c pytorch，意思是从pytorch网站下载，速度感人，有办法的那就方便多了。

按照上面图这样选择，安装pytorch有gpu加速的版本，安装命令可以改下，后面加个豆瓣源，这样下载速度快些。

				?

									pip install torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple

或者直接用conda安装，去掉后面的 -c pytorch

				?

									conda install pytorch torchvision cudatoolkit=10.2

如果上面方法都下载慢，那就按下面方法来。（适用于win版本，linux的可以返回上一层寻找对应的版本）

先进清华源https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/?c=m&o=d
下载对应pytorch版本，我的是python3.7，需要pytorch-gpu版本，cuda需要10.2，找到对应的bz2文件下载，如图

Pytorch1.5.1版本安装的方法步骤

还要下载对应的torchvision===0.6.1，如图

Pytorch1.5.1版本安装的方法步骤

下载好就在命令行进入你下载的路径目录里面安装，并输入下面代码进行离线安装。

				?

									conda install --offline 对应的安装包文件名字

安装完后还要安装cudatoolkit=10.2

				?

									conda install cudatoolkit=10.2

然后运行测试代码：

				?

									# test

									import torch

									from torch.backends import cudnn

									x = torch.tensor([1.0])

									xx = x.cuda()

									print(torch.__version__)

									print(torch.version.cuda)

									print(torch.cuda.is_available())

									print(xx)

									print(cudnn.is_acceptable(xx))

结果：

1.5.1
10.2
true
tensor([1.], device='cuda:0')
true

安装成功！

gpu加速代码

				?

									import torch

									import time

									print(torch.__version__)

									print(torch.cuda.is_available())

									a = torch.randn(10000, 1000)

									b = torch.randn(1000, 2000)

									t0 = time.time()

									c = torch.matmul(a, b) # 矩阵乘法

									t1 = time.time()

									print(a.device, t1 - t0, c.norm(2))

									t0 = time.time()

									c = torch.matmul(a, b) # 矩阵乘法

									t1 = time.time()

									print(a.device, t1 - t0, c.norm(2))

									device = torch.device('cuda')

									a = a.to(device)

									b = b.to(device)

									t0 = time.time()

									c = torch.matmul(a, b) # 矩阵乘法

									t2 = time.time()

									print(a.device, t2 - t0, c.norm(2))

									t0 = time.time()

									c = torch.matmul(a, b)

									t2 = time.time()

									print(a.device, t2 - t0, c.norm(2))

结果：

1.5.1
true
cpu 0.13901472091674805 tensor(140929.9688)
cpu 0.16696977615356445 tensor(140929.9688)
cuda:0 0.22500324249267578 tensor(141330.6875, device='cuda:0')
cuda:0 0.003974437713623047 tensor(141330.6875, device='cuda:0')

运行两次是cuda有个预热的过程，第二次的时间明显减少了。和cpu相比，更快。

自动求导

代码：

				?

									import torch

									from torch import autograd

									x = torch.tensor(1.)

									a = torch.tensor(1., requires_grad=true)

									b = torch.tensor(2., requires_grad=true)

									c = torch.tensor(3., requires_grad=true)

									y = a ** 2 * x + b * x + c

									print('before:', a.grad, b.grad, c.grad)

									grads = autograd.grad(y, [a, b, c])

									print('after :', grads[0], grads[1], grads[2])