Voici les étapes pour créer PyTorch 1.5 pour CUDA 10.2 sous Windows 10. (Au 1er mars 2020) Il comprend également les instructions de construction de torchvision qui sont souvent utilisées avec PyTorch. Les explications détaillées sont omises ici, donc si vous avez besoin d'une explication un peu plus détaillée, veuillez également vous référer à Blog --dev.infohub.cc. J'espère que tu peux.
--MKL_DEBUG_CPU_TYPE = 5 (Paramètres pour l'utilisation de MKL avec les processeurs AMD) --Le CHEMIN vers d'autres CUDA, etc. est en place
Ouvrez l'invite de commande des outils natifs x64 pour VS 2019 dans Visual Studio 2019 et suivez les étapes ci-dessous. (L'explication est publiée sous forme de commentaire)
#Environnement virtuel pour la construction(build_pt)Créer
python -m venv g:\work\build_pt
g:\work\build_pt\Scripts\activate.bat
cd /d g:\work\build_pt
#Mises à jour telles que les packages
python -m pip install --upgrade pip
#Installation des packages requis pour la construction
pip install numpy ninja pyyaml mkl mkl-include cmake cffi wheel
#Obtenir la source
#Contrairement à la procédure sur le site d'origine, le sous-module sera acquis plus tard.
git clone https://github.com/pytorch/pytorch
cd pytorch
# 2020/03/01 13:Passer à l'état au moment du 24 (dernier état essayé cette fois)
git checkout ace2b4f
#Obtenir le sous-module
git submodule sync
git submodule update --init --recursive
#Construire (environ 18 minutes avec Threadripper 3960X)
python setup.py install
#Créer un paquet de roues (mettre la roue dans pip)
# G:\work\build_pt\pytorch\"Torch" en dist-1.5.0a0+ace2b4f-cp38-cp38-win_amd64.whl "est créé
python setup.py bdist_wheel
# ----Construisez la torchvision à partir d'ici----------------------------------
#Dossier parent (g:\work\build_Déplacer vers pt)
cd ..
#Présentation des packages supplémentaires nécessaires pour construire torchvision
pip install six pillow
#Vérifiez si CUDA est utilisé dans la vision de la torche
#Si ce résultat est True, CUDA sera utilisé (vous pouvez également le construire de force, voir la page torchvision pour plus de détails)
python -c "import torch; print(torch.cuda.is_available())"
#Obtenir le code source pour torchvision
git clone https://github.com/pytorch/vision.git
cd vision
git checkout b2e9565
#Construire (quelques minutes)
python setup.py install
#Créer un paquet de roues
python setup.py bdist_wheel
Cela créera un fichier de roue PyTorch et torchvision (* .whl) dans le dossier dist.
Il s'agit de la procédure pour installer les packages PyTorch et torchvision wheel intégrés dans des environnements virtuels séparés.
Puisque le dossier de construction utilise beaucoup d'espace disque, il est pratique de séparer l'environnement qui utilise réellement PyTorch etc. de l'environnement virtuel pour la construction.
Ici, on suppose qu'un environnement virtuel appelé `ml``` est créé sous` c: \ venvs \ ``.
Vous pouvez l'exécuter à partir d'une invite de commandes normale (pas de la console Visual Studio)
#Environnement virtuel(ml)Créer
python -m venv c:\venvs\ml
c:\venvs\ml\Scripts\activate.bat
cd /d c:\venvs\ml
#Mises à jour telles que les packages
python -m pip install --upgrade pip
#Présentation de PyTorch et torchvision (y compris les packages dépendants)
#Spécifiez le fichier créé ci-dessus pour le fichier whl de PyTorch et torchvision
pip install numpy mkl six pillow
pip install "torch-1.5.0a0+ace2b4f-cp38-cp38-win_amd64.whl"
pip install "torchvision-0.6.0a0+b2e9565-cp38-cp38-win_amd64.whl"
Ceci termine la création de l'environnement PyTorch 1.5.0a0 pour CUDA 10.2.