深入浅出学习Pytorch—Pytorch简介与2024年最新安装（GPU）

news2024/12/24 21:53:22

深入浅出学习Pytorch—Pytorch简介

学习原因：Pytorch日益增长的发展速度与深度学习时代的迫切需要

Pytorch模型训练

pytorch实现模型训练包括以下的几个方面（学习路线）

  1. 数据：数据预处理与数据增强
  2. 模型：如何构建模型模块
  3. 损失函数：创建并设置损失函数的超参数
  4. 优化器：管理模型参数
  5. 迭代训练：观察训练效果，并绘制Loss/Accuray曲线
  6. 模型应用：图像分类、图像分割、目标检测。

Pytorch简介

2017年1月，FAlR（FacebookAl Research）发布PyTorch。

PyTorch是在Torch基础上用python语言重新打造的一款深度学习框架Torch是采用Lua语言为接口的机器学习框架，但因Lua语言较为小众，导致Torch知名度不高。

在这里插入图片描述

解释器与工具包

解释器：将python语言翻译成机器指令语言python.exe（解释器）
问题：python2与python3不兼容

工具包：工具包又称为依赖包、模块、库、包python之所以强大是因为拥有大量工具包内置包：os、sys、glob、re、math等第三方包:pytorch，tensorflow，numpy等
在这里插入图片描述

通常存在的位置：虚拟环境下的lib文件夹下面

涉及到了虚拟环境的概念：引入了Anaconda这类管理工具

其中包括了 Base虚拟环境，python解释器，conda pip等管理工具，常见的包等工具。

创建的虚拟环境与Base环境基本相同 ，我们在Pycharm中配置对应需要使用的虚拟环境

conda config --show channels  （查看镜像源）
conda config --remove channels <channel_name>  （删除镜像源）
持久添加通道：condaconfig--addchannels通道地址
删除通道：condaconfig--removechannels通道地址

显卡GPU与驱动

GPU （Graphics ProcessingUnit）

显卡，主要就是用于在屏幕上显示图像。用于与视频，图像处理相关的任务。

显卡：独立显卡，核显。

驱动：让计算机识别特定的硬件。

深度学习显卡，CUDA深度学习显卡，英伟达品牌的显卡。NVIDIA有了CUDA，我们就可以操作英伟达品牌的显卡。

  • NVIDIA驱动：硬件显卡驱动，是为了告诉系统如何使用这张显卡的。
  • CUDA：NVIDIA为了构建自己的护城河而开发的高性能计算库，主要用于3D渲染和深度学习等。
  • CUDNN：NVIDIA针对深度学习而开发的，在CUDA之上的深度学习工具库。
  • 简单来说，就是如果你想加速你的AI程序的训练和推理速度，那么 CUDA 与 CUDNN 是必须的。

在这里插入图片描述

安装前准备

判断是否有英伟达的GPU

在任务管理器中确定GPU的型号 例如我自己的电脑中带的GPU是4060的显卡（8G显存）

在这里插入图片描述

  1. 首先，确定自己显卡的算力
  2. 确定自己的可选择CUDARuntimeVersion
  3. 确保自己的CUDADriver版本>=CUDARuntime版本

首先要验证英伟达的显卡驱动安装成功了：打开终端后，输入 “nvidia-smi”，如果有如下图所示的结果，就说明NVIDIA驱动安装成功了：

在这里插入图片描述

根据命令行可以确定支持的CUDA版本可以到12.4的型号上。但也要通过最新的官网文档进行确认

https://en.wikipedia.org/wiki/CUDA
在这里插入图片描述
在这里插入图片描述
我自己的是新的电脑，可以安装全新的驱动。
在这里插入图片描述

pytorch这里可以支持到12.1的驱动版本，在之后安装cuda时我们选择安装12.1的版本号来进行实验

配置镜像加速

如何查看配置文件中有哪些通道？
condaconfig–get
condaconfig–show
conda install xxx-c通道地址
conda create yyy -c 通道地址

核心技巧：配置文件的镜像地址默认保持不变，而使用-c参数只在当前的安装中生效

确定cuda runtimeversion

通过上面对pytorch版本的分析我们确定安装的版本为12.1的最新版本

如果对应的时老的显卡信息则需要找到历史版本的记录信息。

在这里插入图片描述

安装对应版本的cuda

在官网中找到指定要安装的cuda版本，我这里时12.1.0的版本，与pytorch中的版本型号进行对应。

https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
下载windows64位的安装包
在这里插入图片描述

安装相对应版本的cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

在这里插入图片描述
下载完成安装包之后按照对应的步骤安装好cuda12.0.0.1的驱动。

在这里插入图片描述
等待一段时间之后即可安装完成conda(需要一定时间的验证过程)
在这里插入图片描述
提示：推荐使用自定义下载的方式来进行安装，许可协议自定义安装路径

在这里插入图片描述
之后等待安装结束，同时验证安装是否成功，完成后配置对应的环境变量信息。

验证CUDA安装是否成功

找到D盘的安装位置
在这里插入图片描述

添加环境变量

参考位置：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64

实际对应的位置：
在这里插入图片描述

安装cudnn

然后，对cudnn 进行解压，最后将解压后的 bin，include，lib 文件夹下的内容拷贝 到 cuda 对应的 bin，include，lib 下即可。至此，我们就完全安装了 AI 相关硬件环境。

在这里插入图片描述

三个文件夹对应位置安装

验证安装是否成功

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe（进到目录后需要直接输“bandwidthTest.exe”和“deviceQuery.exe”）,应该得到下图:

两个pass代表安装成功。

在这里插入图片描述
在这里插入图片描述

虚拟环境安装pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

在终端中使用命令进行安装安装完成之后进行验证。(到此pytorch安装成功)
在这里插入图片描述
环境安装选择在D盘，空间需要2.4G的空间(此时安装完成进行代码的验证)
在这里插入图片描述

验证GPU版本的Pytorch安装成功

import torch
#%%
torch.__version__
#%%
torch.cuda.is_available()
#%%
# 返回当前设备索引
torch.cuda.current_device()
#%%
# 返回GPU的数量
torch.cuda.device_count()
#%%
# 返回gpu的名字，设备索引默认从0开始
torch.cuda.get_device_name(0)
#%% md
### GPU版本的pytorch安装成功

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1641175.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Java Jackson-jr 库是干什么用的

Java Jackson-jr 库是干什么用的

Jackson-jr 是一个轻量级的Java JSON 处理库。这个库被设计用来替代 Jackson 的复杂性。对比 Jackson 的复杂 API&#xff0c;Jackson-jr 的启动速度更快&#xff0c;包大小更小。 虽然Jackson databind&#xff08;如ObjectMapper&#xff09;是通用数据绑定的良好选择&#…
阅读更多...
Linux变量的认识及环境变量配置详解

Linux变量的认识及环境变量配置详解

文章目录 1、变量的划分2、局部变量3、全局变量4、环境变量4.1、概述4.2、配置临时环境变量4.3、配置永久环境变量4.3.1、用户级配置文件1&#xff09;配置方法一&#xff1a;~/.bashrc文件2&#xff09;配置方法二&#xff1a;~/.profile文件3&#xff09;配置方法三&#xff…
阅读更多...
git学习指南

git学习指南

文章目录 一.版本控制1.认识版本控制2.版本控制功能3.集中式版本控制4.分布式版本控制 二.Git的环境安装搭建1.Git的安装2.Git配置分类3.Git配置选项 三.Git初始化本地仓库1. git init/git clone-获取Git仓库2. 本地仓库文件的划分3. git status-检测文件的状态4. git add-文件…
阅读更多...
什么？300TB SSD要来了？

什么？300TB SSD要来了？

SK海力士在韩国首尔的一场新闻发布会上宣布&#xff0c;其正在研发一款前所未有的300TB容量的固态硬盘&#xff08;SSD&#xff09;。这款硬盘的预告是该公司一系列旨在推动数据中心和设备端AI能力发展的产品与技术组合的一部分。SK海力士引用市场研究预测&#xff0c;全球在AI…
阅读更多...
前端-React项目初始化

前端-React项目初始化

大家好我是苏麟 , 今天聊聊前端依赖 Ant Desgin Pro 快速初始化项目 . Ant Desgin Pro 官网 : 开始使用 - Ant Design Pro 初始化项目 找到文档->快速上手 脚手架命令 : # 使用 npm npm i ant-design/pro-cli -g创建项目命令 : pro create 项目名称 选择简单还是全量 : …
阅读更多...
课时114：sed命令_进阶实践_高阶用法1

课时114：sed命令_进阶实践_高阶用法1

2.2.3 高阶用法1 学习目标 这一节&#xff0c;我们从 基础知识、缓存实践、小结 三个方面来学习。 基础知识 简介 对于sed命令来说&#xff0c;除了我们经常使用的模式空间之外&#xff0c;它还支持一个叫暂存空间(Hold Space)的模式,所谓的暂存空间&#xff0c;也就是说&a…
阅读更多...
【软件工程】详细设计

【软件工程】详细设计

目录 前言详细设计算法设计工具——判定表 前言 软件工程生命周期分为八个阶段&#xff1a; 问题定义—>可行性研究—>需求分析 —>概要设计—>详细设计—>编码与单元测试 —>综合测试—>软件维护 这节我们讲的是软件开发流程中的一个阶段&#xff0c;需求…
阅读更多...
如何批量复制多个文件到多个目录中（提取匹配法）

如何批量复制多个文件到多个目录中（提取匹配法）

首先&#xff0c;需要用到的这个工具&#xff1a; 度娘网盘 提取码&#xff1a;qwu2 蓝奏云 提取码&#xff1a;2r1z 具体操作 1、情景再现 我这里创建了3个数字命名的文件夹和一些带有数字命名的图片文件。 &#xff08;这里仅做演示作用&#xff0c;实际操作的数量肯定巨…
阅读更多...
webpack与vite

webpack与vite

webpack 使用步骤&#xff1a; 初始化项目 pnpm init -y安装依赖webpack、webpack-cli在项目中创建src目录&#xff0c;然后编写代码&#xff08;index.js&#xff09;执行pnpm weboack来对代码进行打包&#xff08;打包后观察dist文件夹&#xff09; 配置古文件&#xff08;w…
阅读更多...
快速构建vscode pytest 开发测试环境

快速构建vscode pytest 开发测试环境

如果不想用 heavy 的pycharm vscode 也是1个很好的选择 安装python SDK pacman -S python [gatemanmanjaro-x13 tmp]$ pacman -Q python python 3.11.8-1安装Vscode 很多中方法 yay -S visual-studio-code-bin [gatemanmanjaro-x13 tmp]$ pacman -Q | grep -i visual visua…
阅读更多...
HTML_CSS学习：列表相关属性

HTML_CSS学习：列表相关属性

一、列表相关属性 相关代码&#xff1a; <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>列表相关属性</title><style>ul{/*列表符号*//*list-style-type: decimal;*//*list-style-type…
阅读更多...
使用OpenCV绘制两幅图验证DSC和IoU以及BCELoss的计算程序

使用OpenCV绘制两幅图验证DSC和IoU以及BCELoss的计算程序

1.创作灵感 很多小伙伴在玩深度学习模型的时候，需要计算Groudtruth和predict图的dsc、IOU以及BCELoss。这两个关键的指标的程序有很多种写法，今天使用OpenCV绘制两张已知分布的图像，计算其dsc、IOU以及BCELoss。 2、图像如图所示 在一个100100的区域内，红色框范围为预测…
阅读更多...
在家连学校的服务器

在家连学校的服务器

在家连接学校的服务器。 Step1: 首先下载一个vscode的插件 Visual Studio Code - Code Editing. Redefined 我的服务区是ubuntu20.04&#xff0c;x64的&#xff0c;所以下载这个。 Step2: 下载到本地之后&#xff0c;想办法将这个文件拷贝到你的服务器上。 Step3: 解压该包…
阅读更多...
基于Spring Boot的音乐网站与分享平台设计与实现

基于Spring Boot的音乐网站与分享平台设计与实现

基于Spring Boot的音乐网站与分享平台设计与实现 开发语言&#xff1a;Java框架&#xff1a;springbootJDK版本&#xff1a;JDK1.8数据库工具&#xff1a;Navicat11开发软件&#xff1a;eclipse/myeclipse/idea 系统部分展示 系统功能界面图&#xff0c;在系统首页可以查看首…
阅读更多...
C语言 联合和枚举

C语言 联合和枚举

目录 1. 联合体1.1 联合体类型的声明1.2 联合体变量的创建1.3 联合体的特点1.4 联合体在内存中的存储1.5 联合体使用举例 2. 枚举类型2.1 枚举类型的声明2.2 枚举变量的创建和初始化2.3 枚举类型的大小2.4 枚举类型的优点 正文开始 上次我们通过《C语言 结构体详解》学习了结构…
阅读更多...
深入理解 LinkedList 及底层源码分析

深入理解 LinkedList 及底层源码分析

LinkedList 是基于链表结构的一种 List&#xff0c;在分析 LinkedList 源码前我们先对对链表结构做一个简单的了解。 一、链表的概念 链表是由一系列非连续的节点组成的存储结构&#xff0c;简单分下类的话&#xff0c;链表又分为_单向链表和双向链表&#xff0c;而单向 / 双…
阅读更多...
领域驱动设计（DDD）笔记（三）后端工程架构

领域驱动设计（DDD）笔记（三）后端工程架构

文章链接 领域驱动设计（DDD）笔记（一）基本概念-CSDN博客领域驱动设计（DDD）笔记（二）代码组织原则-CSDN博客领域驱动设计（DDD）笔记（三）后端工程架构-CSDN博客前导 领域驱动设计（Domain Driven Design，简称DDD）是业内主导的业务工程理论。它在各中权威人士被广泛讨论…
阅读更多...
C++ | Leetcode C++题解之第67题二进制求和

C++ | Leetcode C++题解之第67题二进制求和

题目&#xff1a; 题解&#xff1a; class Solution { public:string addBinary(string a, string b) {string ans;reverse(a.begin(), a.end());reverse(b.begin(), b.end());int n max(a.size(), b.size()), carry 0;for (size_t i 0; i < n; i) {carry i < a.siz…
阅读更多...
为什么 IP 地址通常以 192.168 开头？(精简版)

为什么 IP 地址通常以 192.168 开头？(精简版)

网络通讯的本质就是收发数据包。如果说收发数据包就跟收发快递一样。IP地址就类似于快递上填的收件地址和发件地址一样&#xff0c;路由器就充当快递员的角色&#xff0c;在这个纷繁复杂的网络世界里找到该由谁来接收这个数据包&#xff0c;所以说&#xff1a;IP地址就像快递里…
阅读更多...
vue2项目webpack3.x打包文件分割优化加载

vue2项目webpack3.x打包文件分割优化加载

vue2项目webpack3.x打包文件分割优化加载 0. 项目目录和依赖信息1. 开启 gzip&#xff08;建议&#xff09;2. vue2项目配置懒加载&#xff08;建议&#xff09;3. 拆分 vendor 包注意&#xff1a;webpack3使用CommonsChunkPlugin实现 本文使用 3 种方案进行叠加优化 优先级按以…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023