首先默認是NVIDIA的顯卡pytorch要使用顯卡的話需要安裝NVIDIA的驅動,然後根據NVIDIA官網下載相應的: cuda(CUDA Toolkit 11.1 Update 1 Downloads)cudnn(NVIDIA cuDNN)需要註冊然後根據installation guide進行安裝。接下來才安裝pytorch,根據cuda的版本選擇對應的pytorch版本進行安裝 這樣就可以了。如果覺得搭建環境麻煩,推薦一個小眾的gpu雲,featurize.cn很便宜 第一條,確定顯卡是不是Nvidia的卡,如果不是直接不用考慮了,只能上cpu版第二條(假),確定是不是真的有加速作用,古董級別的GPU未必有多快,這邊建議直接換電腦 第二條(真),確定gpu的型號然後確定cuda要安裝什麼版本,最好還要裝好cudnn的庫,最重要的一點,確定你的gpu是不是能夠兼容所有版本的torch,古董級別的GPU就只能支持很低版本的torch,具體自己一次一次嘗試也好官網查也好,都行。我之前用k20c的集群跑torch就一次一次試驗能用的最高版本,最後試出來能支持1.2,現在都1.7都出來了如果有gpu還是建議裝gpu版的,你不顯式地放到cuda上是不會使用你的顯卡跑程序的,所以裝gpu也不會有什麼影響 當然是gpu版本,前提是要有gpu。沒有的話創造條件獲得。創造條件失敗的話就只能cpu了。 關於pytorch 安裝相比於tensorflow 來說非常的方便,不會出現像tensorflow 很多的錯誤。 安裝最好的資料(官方網站):PyTorch?pytorch.org幾點重要的說明1、首先安裝conda2、然後通過pytorch 官方網站就可以了,很簡單3、安裝完成後可以通過python代碼測試下import torchprint(torch._version_)如何上述正常,表示成功4、有的同學可能會問,安裝後需要獲取cpu和gpu模式,很簡單device = torch.device(cuda if torch.cuda.is_available() else cpu)print(device)更多關於AI工程師資料,可以參考學習:走在前方的網路課堂,走在前方 Python 大講堂 看程序要求啊,程序用GPU還是CPU 有GPU就安裝GPU版本,沒有就安裝CPU版本 電腦有gpu就裝gpu版本,加速效果還是很明顯的 現在深度學習一般都是使用GPU跑程序,如果電腦顯卡可以就安裝GPU版本,如果電腦顯卡一般,安裝了也不會對程序的運行有較大提升,可以不裝,直接使用CPU跑。 推薦閱讀:
首先默認是NVIDIA的顯卡
pytorch要使用顯卡的話需要安裝NVIDIA的驅動,然後根據NVIDIA官網下載相應的:
cuda(CUDA Toolkit 11.1 Update 1 Downloads)
cudnn(NVIDIA cuDNN)需要註冊
然後根據installation guide進行安裝。
接下來才安裝pytorch,根據cuda的版本選擇對應的pytorch版本進行安裝
這樣就可以了。
如果覺得搭建環境麻煩,推薦一個小眾的gpu雲,featurize.cn很便宜
第一條,確定顯卡是不是Nvidia的卡,如果不是直接不用考慮了,只能上cpu版
第二條(假),確定是不是真的有加速作用,古董級別的GPU未必有多快,這邊建議直接換電腦
第二條(真),確定gpu的型號然後確定cuda要安裝什麼版本,最好還要裝好cudnn的庫,最重要的一點,確定你的gpu是不是能夠兼容所有版本的torch,古董級別的GPU就只能支持很低版本的torch,具體自己一次一次嘗試也好官網查也好,都行。我之前用k20c的集群跑torch就一次一次試驗能用的最高版本,最後試出來能支持1.2,現在都1.7都出來了
如果有gpu還是建議裝gpu版的,你不顯式地放到cuda上是不會使用你的顯卡跑程序的,所以裝gpu也不會有什麼影響
當然是gpu版本,前提是要有gpu。
沒有的話創造條件獲得。
創造條件失敗的話就只能cpu了。
關於pytorch 安裝相比於tensorflow 來說非常的方便,不會出現像tensorflow 很多的錯誤。
安裝最好的資料(官方網站):
幾點重要的說明
1、首先安裝conda
2、然後通過pytorch 官方網站就可以了,很簡單
3、安裝完成後可以通過python代碼測試下
import torch
print(torch._version_)
如何上述正常,表示成功
4、有的同學可能會問,安裝後需要獲取cpu和gpu模式,很簡單
device = torch.device(cuda if torch.cuda.is_available() else cpu)
print(device)
更多關於AI工程師資料,可以參考學習:
走在前方的網路課堂,走在前方 Python 大講堂
看程序要求啊,程序用GPU還是CPU
有GPU就安裝GPU版本,沒有就安裝CPU版本
電腦有gpu就裝gpu版本,加速效果還是很明顯的
現在深度學習一般都是使用GPU跑程序,如果電腦顯卡可以就安裝GPU版本,如果電腦顯卡一般,安裝了也不會對程序的運行有較大提升,可以不裝,直接使用CPU跑。