Pytorch的一些使用技巧（不定期更新）

最新推荐文章于 2024-05-17 18:19:53 发布

原创最新推荐文章于 2024-05-17 18:19:53 发布 · 533 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能

linux 同时被 3 个专栏收录

13 篇文章

订阅专栏

pytorch

4 篇文章

订阅专栏

cuda

4 篇文章

订阅专栏

本文提供了检查PyTorch运行环境及CUDA版本的方法，包括如何收集详细的环境信息，并通过一个简单的矩阵运算示例来快速验证PyTorch是否正确安装和配置。适用于使用PyTorch进行深度学习研究和开发的人员。

部署运行你感兴趣的模型镜像

1.如果pytorch运行有问题可以查看一下运行环境以及编译的cuda版本等：

python -c 'from torch.utils.collect_env import main; main()'

示例输出：

Collecting environment information... PyTorch version: 1.4.0 
Is debug build: No 
CUDA used to build PyTorch: 10.1

OS: CentOS Linux 7 (Core) GCC version: (GCC) 4.8.5 20150623 (Red Hat
4.8.5-39) CMake version: Could not collect

Python version: 3.7 Is CUDA available: Yes 
CUDA runtime version: Could not collect 
GPU models and configuration:  
GPU 0: Tesla V100-PCIE-32GB 
GPU 1: Tesla V100-PCIE-32GB 
GPU 2: Tesla V100-PCIE-32GB 
GPU 3: Tesla V100-PCIE-32GB

Nvidia driver version: 418.87.00 cuDNN version: Could not collect

Versions of relevant libraries: 
[pip3] numpy==1.19.0 
[pip3] torch==1.4.0 
[pip3] torchvision==0.5.0 
[conda] torch                  1.4.0                    pypi_0    pypi 
[conda] torchvision               0.5.0                    pypi_0    pypi

2.快速测试pytorch运行情况

python -c 'import torch;print(torch.eye(3))'

您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理