Python利用 Anaconda安装pytorch并测试GPU
生活随笔
收集整理的這篇文章主要介紹了
Python利用 Anaconda安装pytorch并测试GPU
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
針對的是anaconda下的pytorch安裝，因此默認電腦已經有了anaconda。
網上推薦的大都是在 命令行下，使用nvcc --version命令
如下所示： nvcc --version
但是老給我報錯，解決無果。
C:\Users\Dell>nvcc --version 'nvcc' 不是內部或外部命令，也不是可運行的程序 或批處理文件。C:\Users\Dell>我就不信不用這個明明查看不了顯卡版本。后來我換了另外一種方式，成功的查看了顯卡版本。
使用?nvidia-smi命令也可以查看顯卡版本！！！
如下所示：
在 Anaconda prompt 下進行安裝pytorch
先去 pytorch官網? 選擇 自己所需要的 版本 ，官網如下：https://pytorch.org/
我用conad命令安裝會很慢，而且報了錯，沒有解決，嘗試了pip安裝，成功了！！。我的選擇如下：
在 Anaconda prompt 輸入命令即可。注意：切換到你的需要安裝的環境下：conda常用的命令可以參考這邊文章（conda指令）：https://blog.csdn.net/menc15/article/details/71477949
為什么我要用 --user ？因為直接用 pytorch 中的命令，我報了權限不夠的錯誤，按照提示加了 --user，然后捂著眼睛，矮...?一兩分鐘，兩分鐘以后就好了（滑稽）。我當時的錯誤如下：
?
然后就安裝成功啦！有圖為證！
尼瑪！！又給我報錯！沒有什么C++？！
pycharm 中的 error：? ? Visual C++ Redistributable is not installed, this may lead to the DLL load failure.
解決方案參考這篇文章即可：https://blog.csdn.net/qq_29750461/article/details/108083764
然后安裝了C++的環境以后，兩分鐘以后又好了！
用下面這個例子測一下pytorch和GPU！ import torch import torch.nn as nn from torch.autograd import Variable import torch.utils.data as Data import torchvision import time# import matplotlib.pyplot as plttorch.manual_seed(1)EPOCH = 1 BATCH_SIZE = 50 LR = 0.001 DOWNLOAD_MNIST = True if_use_gpu = 1# 獲取訓練集dataset training_data = torchvision.datasets.MNIST(root='./mnist/', # dataset存儲路徑train=True, # True表示是train訓練集，False表示test測試集transform=torchvision.transforms.ToTensor(), # 將原數據規范化到（0,1）區間download=DOWNLOAD_MNIST, )# 打印MNIST數據集的訓練集及測試集的尺寸 print(training_data.train_data.size()) print(training_data.train_labels.size()) # torch.Size([60000, 28, 28]) # torch.Size([60000])# plt.imshow(training_data.train_data[0].numpy(), cmap='gray') # plt.title('%i' % training_data.train_labels[0]) # plt.show()# 通過torchvision.datasets獲取的dataset格式可直接可置于DataLoader train_loader = Data.DataLoader(dataset=training_data, batch_size=BATCH_SIZE,shuffle=True)# 獲取測試集datasettest_data = torchvision.datasets.MNIST(root='./mnist/', # dataset存儲路徑train=False, # True表示是train訓練集，False表示test測試集transform=torchvision.transforms.ToTensor(), # 將原數據規范化到（0,1）區間download=DOWNLOAD_MNIST, ) # 取前全部10000個測試集樣本 test_x = Variable(torch.unsqueeze(test_data.test_data, dim=1).float(), requires_grad=False) # test_x = test_x.cuda() ## (~, 28, 28) to (~, 1, 28, 28), in range(0,1) test_y = test_data.test_labels# test_y = test_y.cuda() class CNN(nn.Module):def __init__(self):super(CNN, self).__init__()self.conv1 = nn.Sequential( # (1,28,28)nn.Conv2d(in_channels=1, out_channels=16, kernel_size=5,stride=1, padding=2), # (16,28,28)# 想要con2d卷積出來的圖片尺寸沒有變化, padding=(kernel_size-1)/2nn.ReLU(),nn.MaxPool2d(kernel_size=2) # (16,14,14))self.conv2 = nn.Sequential( # (16,14,14)nn.Conv2d(16, 32, 5, 1, 2), # (32,14,14)nn.ReLU(),nn.MaxPool2d(2) # (32,7,7))self.out = nn.Linear(32 * 7 * 7, 10)def forward(self, x):x = self.conv1(x)x = self.conv2(x)x = x.view(x.size(0), -1) # 將（batch，32,7,7）展平為（batch，32*7*7）output = self.out(x)return outputcnn = CNN() if if_use_gpu:cnn = cnn.cuda()optimizer = torch.optim.Adam(cnn.parameters(), lr=LR) loss_function = nn.CrossEntropyLoss()for epoch in range(EPOCH):start = time.time()for step, (x, y) in enumerate(train_loader):b_x = Variable(x, requires_grad=False)b_y = Variable(y, requires_grad=False)if if_use_gpu:b_x = b_x.cuda()b_y = b_y.cuda()output = cnn(b_x)loss = loss_function(output, b_y)optimizer.zero_grad()loss.backward()optimizer.step()if step % 100 == 0:print('Epoch:', epoch, '|Step:', step,'|train loss:%.4f' % loss.item())duration = time.time() - startprint('Training duation: %.4f' % duration)cnn = cnn.cpu() test_output = cnn(test_x) pred_y = torch.max(test_output, 1)[1].data.squeeze() accuracy = sum(pred_y == test_y) / test_y.size(0) print('Test Acc: %.4f' % accuracy) 準確率在 90以上應該。
出了三次bug，第一次是 conda 命令安裝 pytorch，錯誤我不記得了，最后沒有解決。第二次是 pip安裝，權限不夠，加了 --user 后，就好了。推薦使用 pip 安裝，不是因為我報了錯，而是因為conda下載包有點慢。? ? 第三次是報了沒有安裝C++的錯誤，在網上收到了解決方案。
?
總結
以上是生活随笔為你收集整理的Python利用 Anaconda安装pytorch并测试GPU的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 2021级天狮学院经济管理学院市场营销专
- 下一篇： Android开发项目管理7宗罪之五——