WINDOWS下安装系统_在Windows环境下

WINDOWS下安装系统_在Windows环境下PyTorch简介在2017年1月18日,facebook下的Torch7团队宣布PyTorch开源后就引来了剧烈的反响。PyTorch是Torch在Python上的衍生版本。Torch是一个使用Lua语言的神经网络库,Torch很好用,但是Lua流行度不够,所以facebook开发团队将Lua的Torch移植到了更流行的语言Python上,推出了PyTo…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

更新提醒:本文已过期,PyTorch1.5正式版已在2020年4月21发布,Windows下安装最新的PyTorch1.5请移步本人另一篇博客:Windows下安装PyTorch1.5

PyTorch简介
在2017年1月18日,facebook下的Torch7团队宣布PyTorch开源后就引来了剧烈的反响。PyTorchTorchPython 上的衍生版本。Torch 是一个使用 Lua 语言的神经网络库, Torch 很好用, 但是 Lua 流行度不够, 所以facebook开发团队将 LuaTorch 移植到了更流行的语言 Python 上,推出了PyTorch

PyTorch是一个Python优先的深度学习框架,是一个和tensorflow,Caffe,MXnet一样,非常底层的框架。先说下PyTorch相比于Tensorflow的三大优势:

一.Python优先支持

PyTorch主推的特性之一,就是支持Python(官方的提法:puts Python first)。因为直接构建自 Python C API,PyTorch从细粒度上直接支持python的访问。相比于原生Python实现,引入的新概念很少,这不仅降低了 Python 用户理解的门槛,也能保证代码基本跟原生的 Python 实现一致。事实上,开发者可以直接用原生 Python 代码扩展 PyTorchoperation

Tensorflow总有一种用 Python 调用 C++ 写的第三方动态链接库的感觉;写模型需要更多代码,无法贯彻 Python的简约风格;而且写新的 operation 必须用 C++ 开发。

二.动态图的良好支持

Tensorflow运行必须提前建好静态计算图,然后通过feedrun重复执行建好的图。但是Pytorch却不需要这么麻烦:PyTorch的程序可以在执行时动态构建/调整计算图。相对来说,pytorch具有更好的灵活性。这得益于PyTorch直接基于 Python C API 构建的 Python 接口。

TensorFlow饱受诟病的痛点就是只支持静态图模型。也就是说,在处理数据前必须预先定义好一个完整的模型。如果数据非常规整,那还好。但实际工程和研究项目中的数据,难免有一些边角的情况。很多项目,其实需要大量实验才能选择正确的图模型。这就很痛苦了。因此,很多项目转而采用了PyTorch等支持动态图模型的框架,以便在运行程序的时候动态修正模型。

不过在2017年10月31日万圣节这天,Google发布了TensorFlow Eager Execution(贪婪执行),为TensorFlow添加了命令式编程的接口。启用贪婪执行后,TensorFlow操作会立刻执行,不用通过Session.run()执行一个预先定义的图。2017年11月,TensorFlow1.5版本中正式加入了动态图机制Eager Execution的支持!

三.易于Debug
Pytorch在运行时可以生成动态图,开发者就可以在堆栈跟踪中看到哪一行代码导致了错误。你甚至可以在调试器中停掉解释器并看看某个层会产生什么。

PyTorch的Windows版本安装

2018年12月8日,Pytorch1.0正式发布,源码地址:https://github.com/pytorch/pytorch/releases。这次最新的Pytorch1.0有很多重大的更新,分布式更好用了,其实最重要的应该是C++的前端支持,部署更方便,效率更高,使得Pytorch往产品化方面又迈进了坚实的一步。

我们可以直接在Pytorch官网寻找自己所需的最新的版本进行安装。目前Pytorch1.0支持Python2.7Python3.5Python3.6Python3.7等多个Python版本。

在这里插入图片描述
Conda安装

如果已经装了Ananconda|Python,不管是Python3.5Python3.6还是Python3.7,都可以选择对应的cuda版本,然后直接执行下面命令安装:

conda install pytorch torchvision cuda80 -c pytorch              #for cuda8
conda install pytorch torchvision -c pytorch                           #for cuda9
conda install pytorch torchvision cuda100 -c pytorch            #for cuda10
conda install pytorch-cpu torchvision-cpu -c pytorch             # for cpu version

注意:Conda安装只支持Python3,如果你的Ananconda|PythonPython2版本,请用pip方式安装。

pip安装
这里只提示一点,pip可以安装Python2Pytorch1.0的cpu版本,如果要安装gpu版本,请升级到Python3

Python2.7 cpu版本:

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27mu-linux_x86_64.whl  
pip install torchvision

如果上面不行,请执行:

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27m-linux_x86_64.whl
pip install torchvision

Python3.5各个版本:

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp35-cp35m-win_amd64.whl  #cuda10.0
pip install torchvision

Python3.6各个版本:

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl  #cuda10.0
pip install torchvision

Python3.7各个版本:

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda10.0
pip install torchvision

测试安装是否成功

import torch
print(torch.__version__)

如果输出1.0.0,那么恭喜Windows下的PyTorch1.0.0安装成功!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/188402.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • java把list转为map(对象转成map)

     Collection<实体类>valueCollection2=map2.values();  List<实体类>valueList=newArrayList<PurchaseDeatilVo>(valueCollection2);//map转list

  • python对字符串中指定字符进行替换[通俗易懂]

    python对字符串中指定字符进行替换[通俗易懂](1)替换指定的所有字符:string.replace(‘a’,‘b’)表示将字符串string中所有字符为’a’的替换为’b’。例子string=”abcabcabc”string=string.replace(‘a’,’b’)print(string)输出bbcbbcbbc(2)替换指定位置i的字符为字符s:列表化字符串再以字符串形式输出例子i,s…

  • Lambda plus: 云上大数据解决方案

    Lambda plus: 云上大数据解决方案本文会简述大数据分析场景需要解决的技术挑战,讨论目前主流大数据架构模式及其发展。最后我们将介绍如何结合云上存储、计算组件,实现更优的通用大数据架构模式,以及该模式可以涵盖的典型数据处理场景。大数据处理的挑战现在已经有越来越多的行业和技术领域需求大数据分析系统,例如金融行业需要使用大数据系统结合VaR(valueatrisk)或者机器学习方案进行信贷风控,零售、餐饮行业需要大数据系统…

  • TensorFlow源代码学习–1 Session API reference

    TensorFlow源代码学习–1 Session API reference学习TensorFlow源代码,先把API文档扒出来研究一下整体结构:一下是文档内容的整理,简单翻译一下

    2022年10月10日
  • 深度学习基础之代价函数

    深度学习基础之代价函数在机器学习和深度学习中,代价函数非常重要。所以十分有必要弄个清楚代价函数相关的概念和性质。本文介绍了什么是代价函数,然后列举了常用的三种代价函数,并对其中的二次代价函数和交叉熵代价函数进行了比较。

  • Windows 下 MariaDB10.2.17 (zip 格式) 的安装教程

    Windows 下 MariaDB10.2.17 (zip 格式) 的安装教程下载地址:https://downloads.mariadb.org/然后根据系统选择x86(32位)或x64(64位)版本的zip格式的安装包安装步骤1、解压安装包至磁盘D:\ProgramFiles\mariadb-10.2.17-winx642、根据内存大小选择ini配置文件,一般选择my-medium.ini即可,打开配置文件,在相应的属性节点下添加字符集…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号