PyTorch installeren en configureren

In de vorige fase van deze zelfstudie hebben we de basisbeginselen van PyTorch en de vereisten besproken voor het maken van een machine learning-model. Hier installeren we deze op uw computer.

PyTorch ophalen

In deze zelfstudie wordt een Anaconda-omgeving gebruikt op 64-bits Windows om uw model te trainen en uit te voeren op de CPU. Voor de Windows ML-toepassing verderop in de zelfstudie hebt u Windows 10, versie 1809 (build 17763) of hoger nodig. U hebt geen GPU of CUDA nodig voor deze stappen.

Belangrijk

Dit is een verouderde handleiding. De stappen behouden Python 3.8 en de PyTorch 1.7.1-pakketversies die worden weergegeven in de oorspronkelijke installatievoorbeelden, in plaats van de downstreamtraining en ONNX-exportcode te upgraden. Python 3.8 wordt niet meer ondersteund en PyTorch stopte met het publiceren van officiële Conda-pakketten vanaf versie 2.6. Gebruik een afzonderlijke testmachine of virtuele machine om deze omgeving te reproduceren, niet een productieomgeving. Voor nieuwe projecten volgt u de huidige pyTorch-installatierichtlijnen; Nieuwere pakketten worden niet gevalideerd met deze zelfstudie.

  1. Download het 64-bits Windows-installatieprogramma Anaconda3-2020.11-Windows-x86_64.exe uit het Anaconda-installatiearchief en installeer het op uw testcomputer. Anaconda 2020.11 bevat Python 3.8.5 en de gegevensanalysepakketten die verderop in de zelfstudie worden gebruikt.

    Gearchiveerde Anaconda-downloadpagina met het Python 3.8 Windows-installatieprogramma.

  2. Open start > Anaconda3 > Anaconda PowerShell-prompt. Controleer uw Python- en Conda-versies:

    python --version
conda --version

    Controleer of Python versie 3.8 rapporteert voordat u doorgaat.

    Anaconda PowerShell-prompt met Python- en Conda-versies.

  3. Bekijk de instructies voor v1.7.1 > Conda > Linux en Windows > alleen CPU-instructies op de vorige pagina met PyTorch-versies. In deze tutorial worden de opties Windows, Conda, Python en CPU gebruikt, niet het keuzemenu voor de huidige stabiele release. CUDA-builds zijn beschikbaar voor compatibele NVIDIA GPU's, maar GPU-installatie maakt geen deel uit van deze procedure.

    Historische PyTorch 1.7.1-selector met Windows, Conda, Python en geen CUDA.

  4. Installeer de CPU-pakketten in dezelfde Anaconda PowerShell-prompt. De versies worden vastgezet om te voorkomen dat er een nieuwere PyTorch-release wordt geselecteerd:

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

    Anaconda-pakketplan met een overzicht van de CPU-build van PyTorch 1.7.1 en de bijbehorende pakketten.

    De schermafbeeldingen zijn historische voorbeelden; hun Python-versies en niet-vastgezette opdrachten kunnen verschillen. Volg de opdrachten in de tekst.

  5. Controleer het pakketplan, voer desgevraagd in y en wacht tot de installatie is voltooid. Als Conda de verouderde pakketten niet kan oplossen, vervangt u de nieuwste PyTorch-release niet en gaat u ervan uit dat de latere zelfstudiestappen compatibel zijn.

  6. Start Python in dezelfde prompt:

    python

    Voer de volgende code in om een willekeurig geïnitialiseerde tensor te maken:

    import torch

x = torch.rand(2, 3)

print(x)

    De uitvoer moet een willekeurige 2x3 tensor zijn (twee rijen en drie kolommen). De getallen verschillen, maar de shape moet overeenkomen met dit voorbeeld:

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

    Python drukt een tensor af met twee rijen en drie kolommen.

    Voer in exit() om terug te keren naar de Anaconda PowerShell-prompt. Gebruik dezelfde Anaconda-omgeving wanneer u de Python interpreter selecteert in de volgende fase van de zelfstudie.

Opmerking

Bent u geïnteresseerd in meer informatie? Bezoek de officiële website van PyTorch.

Volgende stappen

Nu we PyTorch hebben geïnstalleerd, zijn we klaar om de gegevens voor ons model in te stellen.

  • Laatst bijgewerkt om