Zainstaluj i skonfiguruj narzędzie PyTorch na maszynie.

Uwaga / Notatka

W celu zwiększenia funkcjonalności można również używać biblioteki PyTorch z językiem DirectML w systemie Windows.

W poprzednim etapie tego samouczka omówiliśmy podstawy rozwiązania PyTorch i wymagania wstępne dotyczące jego używania do tworzenia modelu uczenia maszynowego. W tym miejscu zainstalujemy go na maszynie.

Pobierz PyTorch

W tym samouczku użyto środowiska Anaconda w 64-bitowym systemie Windows do trenowania i uruchamiania modelu na CPU. W przypadku aplikacji Windows ML w dalszej części samouczka potrzebne są Windows 10, wersja 1809 (kompilacja 17763) lub nowsza. Na potrzeby tych kroków nie potrzebujesz procesora GPU ani CUDA.

Ważne

To jest przestarzały samouczek. W tych krokach pozostawiono Pythona 3.8 oraz pakiet PyTorch w wersji 1.7.1, jak pokazano w oryginalnych przykładach instalacji, zamiast aktualizować dalszy kod treningowy i kod eksportu do ONNX. Python 3.8 nie jest już obsługiwana, a PyTorch przestał publikować oficjalne pakiety Conda, począwszy od wersji 2.6. Użyj oddzielnej maszyny testowej lub maszyny wirtualnej, aby odtworzyć to środowisko, a nie środowisko produkcyjne. W przypadku nowych projektów postępuj zgodnie z bieżącymi wskazówkami dotyczącymi instalacji rozwiązania PyTorch; nowsze pakiety nie są weryfikowane w tym samouczku.

1. Pobierz 64-bitowy instalator systemu Windows Anaconda3-2020.11-Windows-x86_64.exe z archiwum instalatorów Anaconda i zainstaluj go na maszynie testowej. Program Anaconda 2020.11 zawiera Python 3.8.5 i pakiety analizy danych używane w dalszej części tego samouczka.

   

2. Otwórz Start > Anaconda3 > Anaconda PowerShell Prompt. Sprawdź wersje Python i Conda:

   python --version
   conda --version
   

   Przed kontynuowaniem sprawdź, czy Python raportuje wersję 3.8.

   

3. Przejrzyj instrukcje dotyczące wersji 1.7.1 > Conda > Linux i Windows > tylko CPU na stronie poprzednich wersji PyTorch. W tym samouczku użyto opcji Windows, Conda, Python i CPU zamiast selektora bieżącej stabilnej wersji. Kompilacje CUDA są dostępne dla zgodnych procesorów GPU FIRMY NVIDIA, ale konfiguracja procesora GPU nie jest częścią tej procedury.

   

4. W tym samym wierszu polecenia programu PowerShell platformy Anaconda zainstaluj pakiety procesora CPU. Wersje są przypięte, aby uniknąć wybierania nowszej wersji PyTorch:

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

   

   Zrzuty ekranu są archiwalnymi przykładami; użyte w nich wersje Pythona i nieprzypięte polecenia mogą się różnić. Postępuj zgodnie z poleceniami w tekście.

5. Przejrzyj plan pakietu, wprowadź y po wyświetleniu monitu i poczekaj na zakończenie instalacji. Jeśli conda nie może rozpoznać starszych pakietów, nie należy zastępować najnowszej wersji PyTorch i zakładać, że późniejsze kroki samouczka są zgodne.

6. W tym samym wierszu polecenia uruchom Python:

   python
   

   Wprowadź następujący kod, aby skonstruować losowo zainicjowany tensor:

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

   Wynik powinien być losowym tensorem 2x3 (dwa wiersze i trzy kolumny). Liczby będą się różnić, ale kształt powinien być zgodny z tym przykładem:

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

   

   Wprowadź polecenie exit() , aby powrócić do wiersza polecenia programu PowerShell platformy Anaconda. Użyj tego samego środowiska Anaconda po wybraniu interpretera Python w następnym etapie samouczka.

Uwaga / Notatka

Chcesz dowiedzieć się więcej? Odwiedź oficjalną stronę internetową PyTorch.

Dalsze kroki

Po zainstalowaniu rozwiązania PyTorch możemy skonfigurować dane dla naszego modelu.