Installer et configurer PyTorch

Au cours de la phase précédente de ce tutoriel, nous avons abordé les principes de base de PyTorch et les prérequis de son utilisation pour créer un modèle Machine Learning. Ici, nous allons l’installer sur votre ordinateur.

Téléchargez PyTorch

Ce tutoriel utilise un environnement Anaconda sur des Windows 64 bits pour entraîner et exécuter votre modèle sur le processeur. Pour l’application ML Windows plus loin dans le didacticiel, vous avez besoin de Windows 10, version 1809 (build 17763) ou ultérieure. Vous n’avez pas besoin d’un GPU ou DUDA pour ces étapes.

Important

Il s’agit d’un didacticiel hérité. Les étapes conservent Python 3.8 et les versions de package PyTorch 1.7.1 présentées dans les exemples d’installation d’origine, plutôt que de mettre à niveau le code d’apprentissage en aval et d’exportation ONNX. Python 3.8 n’est plus pris en charge, et PyTorch a cessé de publier des packages Conda officiels à partir de la version 2.6. Utilisez une machine de test ou une machine virtuelle distincte pour reproduire cet environnement, et non un environnement de production. Pour les nouveaux projets, suivez les instructions d’installation actuelles de PyTorch ; Les packages plus récents ne sont pas validés avec ce didacticiel.

  1. Téléchargez le programme d’installation Anaconda3-2020.11-Windows-x86_64.exe de Windows 64 bits à partir de l’archive du programme d’installation Anaconda et installez-le sur votre ordinateur de test. Anaconda 2020.11 inclut Python 3.8.5 et les packages d’analyse des données utilisés plus loin dans le tutoriel.

    Page de téléchargement d’Anaconda archivée montrant le programme d’installation Python 3.8 Windows.

  2. Ouvrez l’invite De démarrage > d’Anaconda3 > Anaconda PowerShell. Vérifiez vos versions Python et Conda :

    python --version
conda --version

    Vérifiez que Python rapports version 3.8 avant de continuer.

    Invite de commandes PowerShell Anaconda affichant les versions de Python et de Conda.

  3. Passez en revue les instructions v1.7.1 > Conda > Linux et Windows > version CPU uniquement sur la page des versions précédentes de PyTorch. Ce tutoriel utilise les options Windows, Conda, Python et PROCESSEUR, et non le sélecteur de version stable actuel. Les builds CUDA sont disponibles pour les GPU NVIDIA compatibles, mais la configuration du GPU ne fait pas partie de cette procédure.

    Sélecteur PyTorch 1.7.1 historique montrant Windows, Conda, Python et aucun CUDA.

  4. Dans la même invite de commandes Anaconda PowerShell, installez les paquets pour le processeur. Les versions sont figées afin d’éviter de sélectionner une version plus récente de PyTorch :

    conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cpuonly -c pytorch

    Plan de package Anaconda répertoriant la build processeur de PyTorch 1.7.1 et ses packages compagnons.

    Les captures d’écran sont des exemples historiques ; les versions de Python qu’elles montrent et les commandes non épinglées peuvent différer. Suivez les commandes dans le texte.

  5. Passez en revue le plan de package, entrez y quand vous y êtes invité et attendez que l’installation se termine. Si Conda ne peut pas résoudre les packages hérités, ne remplacez pas la dernière version de PyTorch et partez du principe que les étapes ultérieures du didacticiel sont compatibles.

  6. Dans la même invite, démarrez Python :

    python

    Entrez le code suivant pour construire un tensoriel initialisé aléatoirement :

    import torch

x = torch.rand(2, 3)

print(x)

    La sortie doit être un tenseur 2 × 3 aléatoire (deux lignes et trois colonnes). Vos nombres diffèrent, mais la forme doit correspondre à cet exemple :

    tensor([[0.5343, 0.7362, 0.8390],
        [0.4758, 0.2399, 0.1936]])

    Python affichant un tenseur avec deux lignes et trois colonnes.

    Appuyez sur exit() pour revenir à l’invite Anaconda PowerShell. Utilisez ce même environnement Anaconda lorsque vous sélectionnez l’interpréteur Python dans la phase suivante du didacticiel.

Remarque

Vous souhaitez en savoir plus ? Visitez le site officiel pyTorch.

Étapes suivantes

Maintenant que nous avons installé PyTorch, nous sommes prêts à configurer les données de notre modèle.

  • Dernière mise à jour :