Pytorch安装
1)先是Anaconda安装配置,参照原来一篇博客
2)Git Clone源代码
进入虚拟环境后,采用conda安装:conda install pytorch torchvision -c soumith
如果不成功则:
那么最后还有一个选择,install from source,果断在GitHub上找到PyTorch的repository:
https://github.com/pytorch/pytorch
接下来需要做的就是将PyTorch最新的源代码取到本地:
gitclone https://github.com/pytorch/pytorch.git
离线安装:
http://pytorch.org/ 选择合适版本,例:
http://download.pytorch.org/whl/cu90/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
3)测试
进入python模式下,看能否导入torch成功:$ python
> import torch
4)Install from Source
根据PyTorch源代码的readme中的安装步骤,我们要先配置环境变量CMAKE_PREFIX_PATH,打开~/.bashrc (vi ~/.bashrc)输入:
export CMAKE_PREFIX_PATH=[anaconda root directory]
- 1
其中“[anaconda root directory]”指的是Anaconda的安装文件夹下的bin文件夹。在我的Ubuntu12.04上,安装路径如下:
export CMAKE_PREFIX_PATH=/home/data/liangxiaoyun/anaconda2/bin
- 1
另外由于我的GPU不支持CUDA,只能安装CPU部分,所以还需要设置环境变量NO_CUDA为1:
export NO_CUDA=1
- 1
在完成上述两个环境变量配置后需要记得这一步,使环境变量生效:
source ~/.bashrc
- 1
然后,我们需要安装PyTorch的依赖库:
conda install numpy pyyaml mkl setuptools cmake gcc cffi
- 1
最后,一切准备就绪!马上进入愉快的编译安装过程:
python setup.py install
- 1
大概十分钟左右,提示安装成功,马上进入Python试一试:
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的安装完成!仔细一看PyTorch里面的数据操作和Matlab挺像的,方便上手。
2.TorchVision安装
TorchVision为PyTorch提供视频和图像方面的支持,包括数据库和模型等。安装好了之后可以很方便地导入很多图像数据库,比如cifar-10。下载地址为:
https://pypi.python.org/pypi/torchvision/0.1.8
- 1
我们点击Download下载whl文件,然后在Anaconda的环境中启动pip进行安装:
pip install torchvision-0.1.8-py2.py3-none-any.whl
- 1
以上方法出错,则:
Anaconda:
conda install torchvision -c pytorch
至此,TorchVision就已经安装成功!
3. 小试牛刀
PyTorch官网的入门教程中有一个有关图像分类的,我们尝试着完成这个教程:
http://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html
- 1
在页面的最下面有代码的下载链接,选择下载“cifar10_tutorial.py”,直接在终端中运行程序:
python cifar10_tutorial.py
- 1
出现以下提示,正在下载cifar10数据库。
Downloading http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
- 1
等了很久还是没下载好,我选择用其他下载工具譬如迅雷,直接下载cifar-10-python.tar.gz,大小接近180M,怪不得这么久。
然后在data文件夹里,对数据库解压:
tar -xzvf cifar-10-python.tar.gz
解压好了再选择运行代码cifar10_tutorial.py,提示数据验证通过:
Files already downloaded and verified
Files already downloaded and verified
接下来就是train和test的输出:
[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 %
结果和PyTorch的官方tutorial差不多,运行成功!
至此,PyTorch的安装、环境搭建以及安装后的代码测试就全部完成。按照这个步骤,相信你也可以很快开始PyTorch的开发!
入门建议
- 50行实现GAN devnag/pytorch
- pytorch 资源合集 The Incredible PyTorch
- 加强版pytorch tutorial侧重NLP spro/practical-pytorch
- 利用LSTM学习梯度下降法等优化方法:ikostrikov/pytorch-meta-optimizer: A PyTorch implementation of Learning to learn by gradient descent by gradient descent
- WGAN的官方实现martinarjovsky/WassersteinGAN