Як встановити PyTorch на Ubuntu

PyTorch став незамінним інструментом для розробників систем машинного навчання та штучного інтелекту. Ця потужна бібліотека з відкритим вихідним кодом пропонує динамічні обчислювальні графіки та ефективні тензорні обчислення, що робить її популярним вибором для проектів глибокого навчання. У цьому посібнику ми розповімо вам про те, як встановити PyTorch на Ubuntu 24.04 і переконатися, що у вашій системі встановлено останню версію.

Попередні умови

Перш ніж приступити до процесу встановлення, давайте переконаємося, що ваша система відповідає всім необхідним вимогам:

• Встановлено та оновлено Ubuntu 24.04 LTS
• Python 3.8 або пізніша версія
• Мінімум 4 ГБ оперативної пам’яті (для великих проєктів рекомендується 8 ГБ або більше)
• Адміністративний доступ (привілеї sudo)

Оновлення системи

Для початку оновимо системні пакети, щоб переконатися, що вони актуальні:

sudo apt update && sudo apt upgrade -y

Встановлення Python і Pip

Ubuntu 24.04 постачається з попередньо встановленим Python, але давайте переконаємося, що ми маємо останню версію:

sudo apt install python3 python3-pip

Перевірте встановлення:

python3 --version
pip3 --version

Вибір методу встановлення

Існує два основні способи встановлення PyTorch на Ubuntu 24.04:

• Використовуючи Pip (менеджер пакетів Python)
• Використовуючи Conda (менеджер пакетів Anaconda).

У кожного методу є свої переваги, тому давайте розглянемо обидва варіанти, щоб допомогти вам вирішити, який з них найкраще підходить для ваших потреб.

Метод 1: Встановлення PyTorch за допомогою Pip

Pip – це менеджер пакетів Python за замовчуванням, і це простий варіант для встановлення PyTorch.

Крок 1: Налаштуйте віртуальне середовище

Найкраще використовувати віртуальне середовище, щоб уникнути конфліктів з іншими проектами Python:

sudo apt install python3-venv
python3 -m venv pytorch_env
source pytorch_env/bin/activate

Крок 2: Встановіть PyTorch

Тепер давайте встановимо PyTorch з підтримкою процесора:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu.

Для підтримки GPU (якщо у вас є сумісний GPU NVIDIA):

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118.

Крок 3: Перевірка встановлення

Щоб переконатися, що PyTorch встановлено правильно, виконайте такі команди Python:

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # Should return True if GPU support is enabled

Метод 2: Встановлення PyTorch за допомогою Conda

Conda – це потужний менеджер пакетів, який може працювати зі складними залежностями та створювати ізольовані середовища.

Крок 1: Встановіть Miniconda

Спочатку скачайте та встановіть Miniconda:

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

Дотримуйтесь підказок, щоб завершити встановлення. Після цього перезапустіть термінал або виконайте команду:

source ~/.bashrc

Крок 2: Створення оточення Conda

Створіть нове оточення для PyTorch:

conda create --name pytorch_env python=3.8
conda activate pytorch_env

Крок 3: Встановіть PyTorch

Для підтримки тільки процесора:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

Для підтримки GPU:

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

Крок 4: Перевірка встановлення

Для перевірки інсталяції використовуйте ті ж команди Python, що і в методі Pip.

Встановлення PyTorch для прискорення ROCm (графічні процесори AMD)

Якщо ви використовуєте графічний процесор AMD, ви можете встановити PyTorch з підтримкою ROCm:

1. Встановіть драйвери ROCm з офіційного сайту AMD.
2. Виконайте таку команду:

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.4.2.

Усунення загальних проблем зі встановленням

Відсутні залежності

Якщо ви виявили відсутність залежностей, спробуйте встановити їх вручну:

sudo apt-get install libgl1-mesa-glx

Проблеми сумісності з CUDA

Переконайтеся, що версія вашого драйвера NVIDIA сумісна з версією CUDA, яку вимагає PyTorch. Ви можете перевірити версію драйвера за допомогою:

nvidia-smi

Проблеми з активацією віртуального середовища

Якщо у вас виникли проблеми з активацією віртуального середовища, переконайтеся, що ви перебуваєте в правильній директорії, і спробуйте використовувати повний шлях:

source /path/to/your/pytorch_env/bin/activate

Оптимізація продуктивності PyTorch

Щоб отримати максимальну віддачу від PyTorch на вашій системі Ubuntu 24.04, скористайтеся такими порадами:

Використовуйте прискорення GPU

Якщо у вас є сумісний GPU, обов’язково встановіть GPU-версію PyTorch для значного підвищення продуктивності під час навчання моделей глибокого навчання.

Оптимізуйте свій код

Навчіться використовувати вбудовані в PyTorch методи оптимізації, такі як:

• Тензорні операції на GPU
• Правильне пакетування даних
• Використання відповідних типів даних (наприклад, float32 проти float64)

Оновлюйте PyTorch

Регулярно оновлюйте PyTorch, щоб скористатися поліпшеннями продуктивності та новими функціями:

pip3 install --upgrade torch torchvision torchaudio

Або для Conda:

conda update pytorch torchvision torchaudio

Вивчення можливостей PyTorch

Тепер, коли у вас встановлено PyTorch, давайте коротко розглянемо деякі з його ключових можливостей:

Динамічні обчислювальні графи

PyTorch використовує динамічний обчислювальний граф, що дає змогу створювати більш гнучкі архітектури моделей і полегшує налагодження.

Тензорні обчислення

Тензори – це фундаментальна структура даних у PyTorch. Вони схожі на масиви NumPy, але можуть використовуватися на GPU для більш швидких обчислень.

Автоград

Движок автоматичного диференціювання PyTorch, Autograd, дає змогу легко обчислювати градієнти для оптимізації в нейронних мережах.

Модулі нейронних мереж

Модуль torch.nn надає високорівневий інтерфейс для побудови нейронних мереж, включно з готовими шарами та функціями втрат.

Вітаємо! Ви успішно встановили PyTorch. Для отримання додаткової допомоги або корисної інформації ми рекомендуємо вам відвідати офіційний сайт PyTorch.