Instalowanie i konfigurowanie narzędzia PyTorch

W poprzednim etapie tego samouczka omówiliśmy podstawy rozwiązania PyTorch i wymagania wstępne dotyczące jego używania do tworzenia modelu uczenia maszynowego. W tym miejscu zainstalujemy go na maszynie.

Pobierz PyTorch

W tym samouczku użyto środowiska Anaconda w 64-bitowym systemie Windows do trenowania i uruchamiania modelu na CPU. W przypadku aplikacji Windows ML w dalszej części samouczka potrzebne są Windows 10, wersja 1809 (kompilacja 17763) lub nowsza. Na potrzeby tych kroków nie potrzebujesz procesora GPU ani CUDA.

Ważne

To jest przestarzały samouczek. W tych krokach zachowano wersje Python 3.8 i pakietu PyTorch 1.7.1 pokazane w oryginalnych przykładach instalacji, zamiast aktualizować kod trenowania w dalszej części procesu i kod eksportu do ONNX. Python 3.8 nie jest już obsługiwana, a PyTorch przestał publikować oficjalne pakiety Conda, począwszy od wersji 2.6. Użyj oddzielnej maszyny testowej lub maszyny wirtualnej, aby odtworzyć to środowisko, a nie środowisko produkcyjne. W przypadku nowych projektów postępuj zgodnie z bieżącymi wskazówkami dotyczącymi instalacji rozwiązania PyTorch; nowsze pakiety nie są weryfikowane w tym samouczku.

  1. Pobierz 64-bitowy instalator systemu Windows Anaconda3-2020.11-Windows-x86_64.exe z archiwum instalatorów Anacondy i zainstaluj go na maszynie testowej. Program Anaconda 2020.11 zawiera Python 3.8.5 i pakiety analizy danych używane w dalszej części tego samouczka.

    Zarchiwizowana strona pobierania Anacondy pokazująca instalator systemu Windows dla Pythona 3.8.

  2. Otwórz Start > Anaconda3 > Anaconda PowerShell Prompt. Sprawdź wersje Python i Conda:

    python --version
conda --version

    Przed kontynuowaniem sprawdź, czy Python raportuje wersję 3.8.

    Wiersz polecenia Anaconda PowerShell wyświetlający wersje Python i Conda.

  3. Przejrzyj instrukcje dotyczące v1.7.1 > Conda > Linux i Windows > tylko CPU na stronie poprzednich wersji PyTorch. W tym samouczku użyto opcji Windows, Conda, Python i procesora CPU, a nie bieżącego selektora stabilnej wersji. Kompilacje CUDA są dostępne dla zgodnych procesorów GPU FIRMY NVIDIA, ale konfiguracja procesora GPU nie jest częścią tej procedury.

    Archiwalny selektor PyTorch 1.7.1 pokazujący Windows, Conda, Python oraz brak CUDA.

  4. W tym samym wierszu polecenia programu PowerShell platformy Anaconda zainstaluj pakiety procesora CPU. Wersje są przypięte, aby uniknąć wybierania nowszej wersji PyTorch:

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

    Plan pakietu Anaconda zawierający listę kompilacji procesora CPU PyTorch 1.7.1 i jego pakietów towarzyszących.

    Zrzuty ekranu są archiwalnymi przykładami; użyte w nich wersje Pythona i nieprzypięte polecenia mogą się różnić. Postępuj zgodnie z poleceniami w tekście.

  5. Przejrzyj plan pakietu, wprowadź y po wyświetleniu monitu i poczekaj na zakończenie instalacji. Jeśli conda nie może rozpoznać starszych pakietów, nie należy zastępować najnowszej wersji PyTorch i zakładać, że późniejsze kroki samouczka są zgodne.

  6. W tym samym wierszu polecenia uruchom Python:

    python

    Wprowadź następujący kod, aby skonstruować losowo zainicjowany tensor:

    import torch

x = torch.rand(2, 3)

print(x)

    Wynikiem powinien być losowy tensor 2x3 (dwa wiersze i trzy kolumny). Liczby będą się różnić, ale kształt powinien być zgodny z tym przykładem:

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

    Python wyświetlający tensor z dwoma wierszami i trzema kolumnami.

    Wprowadź polecenie exit() , aby powrócić do wiersza polecenia programu PowerShell platformy Anaconda. Użyj tego samego środowiska Anaconda po wybraniu interpretera Python w następnym etapie samouczka.

Uwaga / Notatka

Chcesz dowiedzieć się więcej? Odwiedź oficjalną stronę internetową PyTorch.

Dalsze kroki

Po zainstalowaniu rozwiązania PyTorch możemy skonfigurować dane dla naszego modelu.

  • Last updated on