Ubuntu16.0.4下安装深度学习框架:PyTorch

本文详细介绍了如何在Ubuntu 16.0.4上安装支持CUDA的PyTorch深度学习框架,包括创建环境、安装PyTorch及测试安装是否成功等步骤,并提供了官方教程链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        PyTorch 是Facebook于2017年推出的一个深度学习框架,支持采用 Python 语言编程。PyTorch推出之后大受欢迎,现在已经是 GitHub 上增长速度第二快的开源项目,在过去的 12 个月里,贡献者增加了 2.8 倍,仅次于Tensorflow。2018年12月8日官方已经发布 PyTorch1.0 稳定版。 笔者在此推荐一本书籍叫做《深度学习入门之PyTorch》,索取地址:https://github.com/strivebo/pytorch-learning/tree/master/Books

下面讲述一下在ubuntu16.0.4上安装PyTorch(支持CUDA的版本)的过程。

必备条件:python、包管理器(anaconda或pip)。笔者推荐anaconda,可以省去很多繁琐的手动安装过程。

一、创建pytorch环境:

conda create -n pytorch

创建完成后激活环境:

conda activate pytorch

二、安装pytorch

打开网站:https://pytorch.org/get-started/locally/,根据自己的情况选择安装命令,pytorch版本建议选择稳定的1.0版本。

执行图中给出的安装命令:

conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

然后会安装很多工具,由于网络原因其中的pytorch—1.0.1可能安装很慢甚至无法安装,建议多试几次,或者尝试配置清华源、阿里源等快速源。然后等待一段时间就安装成功了。

三、安装显卡驱动

参考我的博客:https://blog.youkuaiyun.com/dulingwen/article/details/88565588

四、测试是否安装成功

 1. 为了确保pytorch被正确安装,进入python,输入如下示例代码:

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)

如果输出以下类似内容,说明安装成功:

tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])

 2. 另外,为了检查你的GPU和CUDA能够被PyTorch使用,可以执行下面的代码,若返回True,说明CUDA可以使用:

import torch
torch.cuda.is_available()

输出:

True

 

pytorch官方教程:https://pytorch.org/tutorials/index.html

### 如何在 Ubuntu 16.04安装 TensorFlow-GPU #### 准备工作 确保已经正确安装了 NVIDIA 显卡驱动以及 CUDA 和 cuDNN 的相应版本。这些组件对于 TensorFlow-GPU 版本的支持至关重要[^5]。 #### 安装依赖库 为了使 TensorFlow 能够访问 GPU 性能统计信息,需先通过命令 `sudo apt-get install libcupti-dev` 来安装必要的支持包。 #### 使用 Pip 进行安装 可以通过 Python 的包管理工具 pip 来安装特定版本的 TensorFlow-GPU。例如: ```bash pip3 install --trusted-host pypi.org --trusted-host files.pythonhosted.org tensorflow-gpu==1.10.0 --user ``` 这条指令指定了信任的主机地址来绕过某些网络环境下的安全限制,并选择了具体的 TensorFlow-GPU 版本号进行安装。 另外,在其他资料中也提到了不同的 TensorFlow-GPU 版本,比如可以使用如下命令安装较早版本: ```bash sudo pip install tensorflow-gpu==1.2.0 ``` 或者是稍新的版本: ```bash pip install tensorflow-gpu==1.6.0 ``` 这取决于项目需求和个人偏好[^1][^2]。 #### 创建虚拟环境 (可选) 如果希望保持系统的整洁并减少不同项目的冲突风险,则建议创建一个新的 Python 虚拟环境再执行上述安装操作。这样做的好处是可以独立控制各个项目的依赖项而不影响全局设置[^4]。 #### 验证安装成果 完成以上步骤后,可通过运行简单的 Python 程序测试 TensorFlow 是否能够识别到本地存在的 GPU 设备: ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` 这段代码会打印出所有被检测到的物理 GPU 列表;如果有任何输出则说明 TensorFlow 已经成功连接上了 GPU 并准备就绪[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值