So installieren Sie PyTorch unter Windows und Linux

In dieser Anleitung erläutere ich die Installation von PyTorch unter Windows und Linux, wobei ich Anaconda für die Installation der Pakete verwende.

Die Installation erfolgt mit dem in Anaconda integrierten Befehlszeilentool conda.

PyTorch ist eine in Python geschriebene Bibliothek für maschinelles Lernen und basiert auf dem Torch-Framework. Sie wurde von Facebook entwickelt und ist vergleichbar mit Tensorflow von Google. Sie ist nützlich in den Bereichen Computer Vision und Verarbeitung natürlicher Sprache und wurde von Unternehmen wie Tesla zur Entwicklung von Autopilot-Software verwendet.

PyTorch ist frei und quelloffen, steht unter der modifizierten BSD-Lizenz und gehört zur Linux Foundation.

Voraussetzungen

Um diesem Tutorial folgen zu können, müssen Sie Anaconda auf dem Rechner, auf dem Sie arbeiten, installiert haben.

Falls Sie Anaconda noch nicht installiert haben, finden Sie in dieser Anleitung eine Anleitung zur Installation von Anaconda, die Sie durch den gesamten Prozess führt. Nachdem Sie diese Anleitung befolgt haben, können Sie mit der Installation von PyTorch fortfahren.

Installation von PyTorch unter Linux

Als gute Praxis sollten Sie zunächst die Softwarepakete Ihrer Linux-Distribution aktualisieren. In meinem Fall verwende ich Ubuntu und apt, um meine Pakete zu verwalten, also werde ich den folgenden Befehl zum Aktualisieren verwenden:

$ sudo apt update && apt upgrade 

Wenn Sie mit der Aktualisierung der Pakete fertig sind, rufen Sie die offizielle PyTorch-Webseite zur Installation auf. Scrollen Sie auf der Seite nach unten, bis Sie den Installationsassistenten finden, der wie unten abgebildet aussieht:

Mit Hilfe dieses Assistenten können Sie auf die verschiedenen Optionen klicken, um Ihre Systeminformationen und Präferenzen anzugeben. Im Gegenzug erhalten Sie einen Befehl, den Sie in Ihrem Terminal verwenden können, um PyTorch zu installieren.

Nachdem ich meine Systeminformationen eingegeben habe, sieht es so aus:

Ich habe mich für die stabile Linux-Version entschieden und werde Conda verwenden, um meine Pakete zu verwalten. Außerdem habe ich mich entschieden, PyTorch mit Python und nicht mit C/Java zu verwenden. Und ich werde PyTorch auf einer CPU und nicht auf einer GPU laufen lassen.

Unten in der Tabelle finden Sie den Befehl, mit dem ich PyTorch installieren kann. Bevor ich diesen Befehl ausführe, muss ich jedoch eine virtuelle Anaconda-Umgebung namens pytorch erstellen.

Virtuelle Umgebungen ermöglichen es Ihnen, Projekte zu erstellen und deren Abhängigkeiten von den Abhängigkeiten anderer Projekte zu isolieren und so Abhängigkeitskonflikte zu vermeiden. Einer der Vorteile von Anaconda ist, dass es Ihnen hilft, virtuelle Umgebungen einfach zu erstellen und zu verwalten.

Um eine virtuelle Umgebung zu erstellen, in der die Python-Version 3.7 verwendet wird, gebe ich den folgenden Befehl ein:

conda create -n pytorch python=3.7

Nachdem die Umgebung erstellt wurde, aktiviere ich sie mit dem folgenden Befehl:

conda activate pytorch

Sobald die Umgebung aktiv ist, führe ich den zuvor auf der PyTorch-Website generierten Befehl aus, um PyTorch zu installieren.

conda install pytorch torchvision torchaudio cpuonly -c pytorch

Folgen Sie den Aufforderungen zur Installation von PyTorch. Sobald dies geschehen ist, starte ich die Terminalsitzung neu, damit sie wirksam wird.

Um zu überprüfen, ob PyTorch korrekt installiert wurde, werden wir nun versuchen, es in der interaktiven Python-Shell zu importieren. Stellen Sie sicher, dass Sie sich in der virtuellen Umgebung von Pytorch befinden, indem Sie den Befehl

conda activate pytorch

Sobald Sie sich in der virtuellen Umgebung von Pytorch befinden, öffnen Sie die interaktive Python-Shell, indem Sie den folgenden Befehl eingeben:

python

Sobald die Shell-Sitzung startet, schreiben Sie die folgende Codezeile und drücken Sie ENTER

importieren Sie torch

Wenn Python ohne Fehler läuft, dann war die Installation erfolgreich. Wenn Sie jedoch die Fehlermeldung Modul nicht gefunden erhalten, bedeutet dies, dass bei der Installation ein Fehler aufgetreten ist. Sie können versuchen, die Installation zu wiederholen.

Installation von PyTorch unter Windows

Beginnen Sie auf Ihrem Windows-Rechner mit der Suche nach dem Programm Anaconda Prompt und öffnen Sie es. Von hier aus werden wir die Befehle ausführen.

Sobald das Programm geöffnet ist, erstellen wir mit dem folgenden Befehl eine virtuelle Umgebung für unsere PyTorch-Installation.

conda create -n pytorch python=3.7

Nachdem wir die virtuelle Umgebung erstellt haben, können wir sie aktivieren, indem wir den folgenden Befehl ausführen:

conda activate pytorch

Sobald die virtuelle Umgebung aktiv ist, können wir mit der Installation von PyTorch fortfahren. Wir beginnen mit der Installationsseite auf der PyTorch-Website. Danach können wir zu dem Abschnitt der Seite scrollen, in dem sich der Installationsassistent befindet:

Hier wählen wir unsere Systeminformationen aus, und der Assistent gibt uns einen Befehl zur Installation von PyTorch. Ich wähle die stabile Version für Windows, die von Conda verwaltet wird, mit der Programmiersprache Python arbeitet und auf einer CPU läuft. Daher wird meine Tabelle wie folgt aussehen.

Kopieren Sie nun den Befehl, fügen Sie ihn in die Anaconda-Eingabeaufforderung ein und drücken Sie ENTER.

Nachdem die Installation abgeschlossen ist, können wir überprüfen, ob sie erfolgreich war, indem wir die interaktive Python-Shell öffnen und versuchen, PyTorch zu importieren.

Starten Sie also innerhalb der Anaconda-Eingabeaufforderung eine interaktive Python-Sitzung.

python

Nachdem die Sitzung gestartet wurde, importieren Sie PyTorch mit der folgenden Codezeile:

import torch

Wenn diese Aktion ohne Fehler abgeschlossen wird, war die Installation erfolgreich.

Letzte Worte

In dieser Anleitung haben wir PyTorch sowohl unter Windows als auch unter Linux mit conda installiert. Es ist auch möglich, es über PIP wie ein normales PIP-Paket zu installieren. In beiden Fällen habe ich mich für die CPU-Installation entschieden. Sie können jedoch auch CUDA verwenden, ein von Nvidia entwickeltes System-Toolkit, das das Training durch Parallelisierung von Operationen auf GPUsbeschleunigt.