Installera och konfigurera PyTorch på datorn.

Anmärkning

För större funktioner kan PyTorch också användas med DirectML i Windows.

I föregående steg i den här självstudien diskuterade vi grunderna i PyTorch och förutsättningarna för att använda den för att skapa en maskininlärningsmodell. Här installerar vi den på din dator.

Hämta PyTorch

Först måste du konfigurera en Python-miljö.

Vi rekommenderar att du konfigurerar en virtuell Python-miljö i Windows med Anaconda som pakethanterare. Resten av den här installationen förutsätter att du använder en Anaconda-miljö.

1. Ladda ned och installera Anaconda här. Välj Anaconda 64-bit installer for Windows Python 3.8.

Viktigt!

Tänk på att installera Python 3.x. PyTorch i Windows stöder för närvarande endast Python 3.x; Python 2.x stöds inte.

När installationen är klar kontrollerar du Anaconda- och Python-versionerna.

2. Öppna Anaconda Manager via Start – Anaconda3 – Anaconda PowerShell Prompt och testa dina versioner:

Du kan kontrollera python-versionen genom att köra följande kommando: python –-version

Du kan kontrollera din Anaconda-version genom att köra följande kommando: conda –-version

Nu kan du installera PyTorch-paketet från binärfiler via Conda.

3. Gå till https://pytorch.org/.

Välj relevant installationsinformation för PyTorch:

• PyTorch build – stabil.
• Ditt operativsystem – Windows
• Paket – Conda
• Språk – Python
• Compute Platform – CPU eller välj din version av Cuda. I den här självstudien kommer du att träna och dra slutsatser om CPU, men du kan också använda en Nvidia GPU.

4. Öppna Anaconda-hanteraren och kör kommandot som det anges i installationsanvisningarna.

conda install pytorch torchvision torchaudio cpuonly -c pytorch

5. Bekräfta och slutför extraheringen av de nödvändiga paketen.

Nu ska vi verifiera PyTorch-installationen genom att köra PyTorch-exempelkoden för att skapa en slumpmässigt initierad tensor.

6. Öppna Anaconda PowerShell-prompten och kör följande kommando.

python

Ange sedan följande kod:

import torch 

x = torch.rand(2, 3) 

print(x)

Utdata ska vara en slumpmässig 2x3 tensor. Talen kommer att vara olika, men de bör se ut ungefär som nedan.

Anmärkning

Vill du veta mer? Besök PyTorchs officiella webbplats

Nästa steg

Nu när vi har installerat PyTorch är vi redo att konfigurera data för vår modell.