Instal dan konfigurasikan PyTorch di komputer Anda.

Catatan

Untuk fungsionalitas yang lebih besar, PyTorch juga dapat digunakan dengan DirectML di Windows.

Pada tahap sebelumnya dari tutorial ini, kita membahas dasar-dasar PyTorch dan prasyarat menggunakannya untuk membuat model pembelajaran mesin. Di sini, kami akan menginstalnya di komputer Anda.

Dapatkan PyTorch

Tutorial ini menggunakan lingkungan Anaconda pada Windows 64-bit untuk melatih dan menjalankan model Anda pada CPU. Untuk aplikasi ML Windows nanti dalam tutorial, Anda memerlukan Windows 10, versi 1809 (build 17763), atau yang lebih baru. Anda tidak memerlukan GPU atau CUDA untuk langkah-langkah ini.

Penting

Ini adalah tutorial warisan. Langkah-langkah ini mempertahankan versi paket Python 3.8 dan PyTorch 1.7.1 yang ditunjukkan dalam contoh penginstalan asli, alih-alih memutakhirkan kode pelatihan lanjutan dan ekspor ONNX. Python 3.8 tidak lagi didukung, dan PyTorch berhenti menerbitkan paket Conda resmi yang dimulai dengan versi 2.6. Gunakan mesin uji terpisah atau komputer virtual untuk mereproduksi lingkungan ini, bukan lingkungan produksi. Untuk proyek baru, ikuti panduan penginstalan PyTorch saat ini; paket yang lebih baru tidak divalidasi dengan tutorial ini.

  1. Unduh penginstal Anaconda3-2020.11-Windows-x86_64.exe Windows 64-bit dari arsip alat penginstal Anaconda dan instal di mesin uji Anda. Anaconda 2020.11 mencakup Python 3.8.5 dan paket analisis data yang digunakan nanti dalam tutorial.

    Halaman unduhan Anaconda yang diarsipkan memperlihatkan alat penginstal Windows Python 3.8.

  2. Buka Perintah Mulai > Anaconda3 > Anaconda PowerShell. Periksa versi Python dan Conda Anda:

    python --version
conda --version

    Verifikasi bahwa Python melaporkan versi 3.8 sebelum melanjutkan.

    Perintah PowerShell Anaconda menampilkan versi Python dan Conda.

  3. Tinjau instruksi V1.7.1 > Conda > Linux dan Windows > CPU Only di halaman versi PyTorch sebelumnya. Tutorial ini menggunakan opsi Windows, Conda, Python, dan CPU, bukan pemilih versi stabil terkini. Build CUDA tersedia untuk GPU NVIDIA yang kompatibel, tetapi penyiapan GPU bukan bagian dari prosedur ini.

    Pemilih Historis PyTorch 1.7.1 memperlihatkan Windows, Conda, Python, dan tanpa CUDA.

  4. Dalam Prompt PowerShell Anaconda yang sama, instal paket CPU. Versi-versi tersebut dikunci untuk menghindari pemilihan rilis PyTorch yang lebih baru:

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

    Paket Anaconda mencantumkan build CPU PyTorch 1.7.1 dan paket pendampingnya.

    Cuplikan layar adalah contoh historis; versi Python dan perintah yang tidak disematkan dapat berbeda. Ikuti perintah dalam teks.

  5. Tinjau paket paket, masukkan y saat diminta, dan tunggu hingga penginstalan selesai. Jika Conda tidak dapat menyelesaikan paket warisan, jangan ganti rilis PyTorch terbaru dan asumsikan bahwa langkah-langkah tutorial selanjutnya kompatibel.

  6. Dalam perintah yang sama, mulai Python:

    python

    Masukkan kode berikut untuk membuat tensor yang diinisialisasi secara acak:

    import torch

x = torch.rand(2, 3)

print(x)

    Output harus berupa tensor 2x3 acak (dua baris dan tiga kolom). Angka Anda akan berbeda, tetapi bentuknya harus cocok dengan contoh ini:

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

    Python mencetak tensor dengan dua baris dan tiga kolom.

    Masukkan exit() untuk kembali ke Perintah Anaconda PowerShell. Gunakan lingkungan Anaconda yang sama ini saat Anda memilih penerjemah Python di tahap tutorial berikutnya.

Catatan

Tertarik untuk mempelajari lebih lanjut? Kunjungi situs web resmi PyTorch.

Langkah berikutnya

Setelah menginstal PyTorch, kami siap untuk menyiapkan data untuk model kami.

  • Last updated on