Pytorch安裝
1)先是Anaconda安裝配置,參照原來一篇博客
2)Git Clone源代碼
進入虛擬環境後,採用conda安裝:conda install pytorch torchvision -c soumith
如果不成功則:
那麼最後還有一個選擇,install from source,果斷在GitHub上找到PyTorch的repository:
https://github.com/pytorch/pytorch
接下來需要做的就是將PyTorch最新的源代碼取到本地:
gitclone https://github.com/pytorch/pytorch.git
離線安裝:
http://pytorch.org/ 選擇合適版本,例:
http://download.pytorch.org/whl/cu90/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
3)測試
進入python模式下,看能否導入torch成功:$ python
> import torch
4)Install from Source
根據PyTorch源代碼的readme中的安裝步驟,我們要先配置環境變量CMAKE_PREFIX_PATH,打開~/.bashrc (vi ~/.bashrc)輸入:
export CMAKE_PREFIX_PATH=[anaconda root directory]
- 1
其中“[anaconda root directory]”指的是Anaconda的安裝文件夾下的bin文件夾。在我的Ubuntu12.04上,安裝路徑如下:
export CMAKE_PREFIX_PATH=/home/data/liangxiaoyun/anaconda2/bin
- 1
另外由於我的GPU不支持CUDA,只能安裝CPU部分,所以還需要設置環境變量NO_CUDA爲1:
export NO_CUDA=1
- 1
在完成上述兩個環境變量配置後需要記得這一步,使環境變量生效:
source ~/.bashrc
- 1
然後,我們需要安裝PyTorch的依賴庫:
conda install numpy pyyaml mkl setuptools cmake gcc cffi
- 1
最後,一切準備就緒!馬上進入愉快的編譯安裝過程:
python setup.py install
- 1
大概十分鐘左右,提示安裝成功,馬上進入Python試一試:
Python 3.5.2 |Anaconda 4.2.0 (64-bit)| (default, Jul 2 2016, 17:53:06)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> x = torch.rand(5,3)
>>> print(x)
0.0592 0.4292 0.5637
0.6365 0.2012 0.5649
0.2594 0.8850 0.5157
0.0689 0.4914 0.8834
0.3978 0.7032 0.6879
[torch.FloatTensor of size 5x3]
可以看到import torch可以成功,表示PyTorch的安裝完成!仔細一看PyTorch裏面的數據操作和Matlab挺像的,方便上手。
2.TorchVision安裝
TorchVision爲PyTorch提供視頻和圖像方面的支持,包括數據庫和模型等。安裝好了之後可以很方便地導入很多圖像數據庫,比如cifar-10。下載地址爲:
https://pypi.python.org/pypi/torchvision/0.1.8
- 1
我們點擊Download下載whl文件,然後在Anaconda的環境中啓動pip進行安裝:
pip install torchvision-0.1.8-py2.py3-none-any.whl
- 1
以上方法出錯,則:
Anaconda:
conda install torchvision -c pytorch
至此,TorchVision就已經安裝成功!
3. 小試牛刀
PyTorch官網的入門教程中有一個有關圖像分類的,我們嘗試着完成這個教程:
http://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html
- 1
在頁面的最下面有代碼的下載鏈接,選擇下載“cifar10_tutorial.py”,直接在終端中運行程序:
python cifar10_tutorial.py
- 1
出現以下提示,正在下載cifar10數據庫。
Downloading http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
- 1
等了很久還是沒下載好,我選擇用其他下載工具譬如迅雷,直接下載cifar-10-python.tar.gz,大小接近180M,怪不得這麼久。
然後在data文件夾裏,對數據庫解壓:
tar -xzvf cifar-10-python.tar.gz
解壓好了再選擇運行代碼cifar10_tutorial.py,提示數據驗證通過:
Files already downloaded and verified
Files already downloaded and verified
接下來就是train和test的輸出:
[1, 2000] loss: 2.223
[1, 4000] loss: 1.853
[1, 6000] loss: 1.694
[1, 8000] loss: 1.592
[1, 10000] loss: 1.521
[1, 12000] loss: 1.472
[2, 2000] loss: 1.392
[2, 4000] loss: 1.359
[2, 6000] loss: 1.335
[2, 8000] loss: 1.313
[2, 10000] loss: 1.316
[2, 12000] loss: 1.276
Finished Training
GroundTruth: cat ship ship plane
Predicted: frog ship ship ship
Accuracy of the network on the 10000 test images: 53 %
Accuracy of plane : 32 %
Accuracy of car : 75 %
Accuracy of bird : 51 %
Accuracy of cat : 19 %
Accuracy of deer : 49 %
Accuracy of dog : 28 %
Accuracy of frog : 70 %
Accuracy of horse : 68 %
Accuracy of ship : 80 %
Accuracy of truck : 56 %
結果和PyTorch的官方tutorial差不多,運行成功!
至此,PyTorch的安裝、環境搭建以及安裝後的代碼測試就全部完成。按照這個步驟,相信你也可以很快開始PyTorch的開發!
入門建議
- 50行實現GAN devnag/pytorch
- pytorch 資源合集 The Incredible PyTorch
- 加強版pytorch tutorial側重NLP spro/practical-pytorch
- 利用LSTM學習梯度下降法等優化方法:ikostrikov/pytorch-meta-optimizer: A PyTorch implementation of Learning to learn by gradient descent by gradient descent
- WGAN的官方實現martinarjovsky/WassersteinGAN