Instale y configure PyTorch en la máquina.

Nota:

Para obtener una mayor funcionalidad, PyTorch también se puede usar con DirectML en Windows.

En la fase anterior de este tutorial analizamos los conceptos básicos de PyTorch y los requisitos previos para usarlo para crear un modelo de aprendizaje automático. En este caso, lo instalaremos en la máquina.

Descargar PyTorch

En este tutorial se usa un entorno de Anaconda en Windows de 64 bits para entrenar y ejecutar el modelo en la CPU. Para la aplicación Windows ML que aparece más adelante en este tutorial, se necesita Windows 10, versión 1809 (compilación 17763), o posterior. No necesita una GPU ni CUDA para estos pasos.

Importante

Este es un tutorial heredado. Los pasos conservan las versiones de Python 3.8 y del paquete PyTorch 1.7.1 que se muestran en los ejemplos de instalación originales, en lugar de actualizar el código de entrenamiento posterior y de exportación a ONNX. ya no se admite Python 3.8 y PyTorch detuvo la publicación de paquetes oficiales de Conda a partir de la versión 2.6. Use una máquina de prueba o una máquina virtual independientes para reproducir este entorno, no un entorno de producción. Para los nuevos proyectos, siga las instrucciones de instalación actuales de PyTorch; Los paquetes más recientes no se validan con este tutorial.

1. Descargue el instalador Anaconda3-2020.11-Windows-x86_64.exe de Windows de 64 bits desde el archivo del instalador de Anaconda e instálelo en la máquina de prueba. Anaconda 2020.11 incluye Python 3.8.5 y los paquetes de análisis de datos usados más adelante en el tutorial.

   

2. Abra Inicio > Anaconda3 > símbolo del sistema de Anaconda PowerShell. Compruebe las versiones de Python y Conda:

   python --version
   conda --version
   

   Compruebe que Python notifica la versión 3.8 antes de continuar.

   

3. Revise las instrucciones de v1.7.1 > Conda para > Linux y Windows > solo CPU en la página de versiones anteriores de PyTorch. En este tutorial se usan las opciones de Windows, Conda, Python y CPU, no el selector de versión estable actual. Las compilaciones de CUDA están disponibles para GPU NVIDIA compatibles, pero la configuración de GPU no forma parte de este procedimiento.

   

4. En el mismo Anaconda PowerShell Prompt, instale los paquetes para CPU. Las versiones se anclan para evitar seleccionar una versión más reciente de PyTorch:

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

   

   Las capturas de pantalla son ejemplos históricos; sus versiones de Python y los comandos desanclados pueden diferir. Siga los comandos del texto.

5. Revise el plan de paquete, escriba y cuando se le solicite y espere a que finalice la instalación. Si Conda no puede resolver los paquetes heredados, no sustituya la versión más reciente de PyTorch y suponga que los pasos del tutorial posteriores son compatibles.

6. En la misma ventana del símbolo del sistema, inicie Python:

   python
   

   Escriba el código siguiente para construir un tensor inicializado aleatoriamente:

   import torch
   
   x = torch.rand(2, 3)
   
   print(x)
   

   La salida debe ser un tensor aleatorio de 2x3 (dos filas y tres columnas). Los números variarán, pero la forma debe coincidir con este ejemplo:

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

   

   Pulse exit() para volver al indicador de PowerShell de Anaconda. Use este mismo entorno de Anaconda al seleccionar el intérprete de Python en la siguiente fase del tutorial.

Nota:

¿Quiere saber más sobre el tema? Visite el sitio web oficial de PyTorch.

Pasos siguientes

Ahora que ya ha instalado PyTorch, estará listo para configurar los datos de nuestro modelo.