Как установить PyTorch на Ubuntu

PyTorch стал незаменимым инструментом для разработчиков систем машинного обучения и искусственного интеллекта. Эта мощная библиотека с открытым исходным кодом предлагает динамические вычислительные графы и эффективные тензорные вычисления, что делает ее популярным выбором для проектов глубокого обучения. В этом руководстве мы расскажем вам о том, как установить PyTorch на Ubuntu 24.04 и убедиться, что на вашей системе установлена последняя версия.

Предварительные условия

Прежде чем приступить к процессу установки, давайте убедимся, что ваша система соответствует всем необходимым требованиям:

• Установлена и обновлена Ubuntu 24.04 LTS
• Python 3.8 или более поздняя версия
• Минимум 4 ГБ оперативной памяти (для больших проектов рекомендуется 8 ГБ или больше)
• Административный доступ (привилегии sudo)

Обновление системы

Для начала обновим системные пакеты, чтобы убедиться, что они актуальны:

sudo apt update && sudo apt upgrade -y

Установка Python и Pip

Ubuntu 24.04 поставляется с предустановленным Python, но давайте убедимся, что у нас последняя версия:

sudo apt install python3 python3-pip

Проверьте установку:

python3 --version
pip3 --version

Выбор метода установки

Существует два основных способа установки PyTorch на Ubuntu 24.04:

• Используя Pip (менеджер пакетов Python)
• Используя Conda (менеджер пакетов Anaconda).

У каждого метода есть свои преимущества, поэтому давайте рассмотрим оба варианта, чтобы помочь вам решить, какой из них лучше всего подходит для ваших нужд.

Метод 1: Установка PyTorch с помощью Pip

Pip — это менеджер пакетов Python по умолчанию, и он является легким вариантом для установки PyTorch.

Шаг 1: Настройте виртуальную среду

Лучше всего использовать виртуальную среду, чтобы избежать конфликтов с другими проектами Python:

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

Шаг 2: Установите PyTorch

Теперь давайте установим PyTorch с поддержкой процессора:

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

Для поддержки GPU (если у вас есть совместимый GPU NVIDIA):

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

Шаг 3: Проверка установки

Чтобы убедиться, что PyTorch установлен правильно, выполните следующие команды Python:

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

Метод 2: Установка PyTorch с помощью Conda

Conda — это мощный менеджер пакетов, который может работать со сложными зависимостями и создавать изолированные среды.

Шаг 1: Установите Miniconda

Сначала скачайте и установите Miniconda:

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

Следуйте подсказкам, чтобы завершить установку. После этого перезапустите терминал или выполните команду:

source ~/.bashrc

Шаг 2: Создание окружения Conda

Создайте новое окружение для PyTorch:

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

Шаг 3: Установите PyTorch

Для поддержки только процессора:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

Для поддержки GPU:

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

Шаг 4: Проверка установки

Для проверки установки используйте те же команды Python, что и в методе Pip.

Установка PyTorch для ускорения ROCm (графические процессоры AMD)

Если вы используете графический процессор AMD, вы можете установить PyTorch с поддержкой ROCm:

1. Установите драйверы ROCm с официального сайта AMD.
2. Выполните следующую команду:

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

Устранение общих проблем с установкой

Отсутствующие зависимости

Если вы обнаружили отсутствие зависимостей, попробуйте установить их вручную:

sudo apt-get install libgl1-mesa-glx

Проблемы совместимости с CUDA

Убедитесь, что версия вашего драйвера NVIDIA совместима с версией CUDA, требуемой PyTorch. Вы можете проверить версию драйвера с помощью:

nvidia-smi

Проблемы с активацией виртуальной среды

Если у вас возникли проблемы с активацией виртуальной среды, убедитесь, что вы находитесь в правильной директории, и попробуйте использовать полный путь:

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

Оптимизация производительности PyTorch

Чтобы получить максимальную отдачу от PyTorch на вашей системе Ubuntu 24.04, воспользуйтесь следующими советами:

Используйте ускорение GPU

Если у вас есть совместимый GPU, обязательно установите GPU-версию PyTorch для значительного повышения производительности при обучении моделей глубокого обучения.

Оптимизируйте свой код

Научитесь использовать встроенные в PyTorch методы оптимизации, такие как:

• Тензорные операции на GPU
• Правильное пакетирование данных
• Использование подходящих типов данных (например, float32 против float64)

Обновляйте PyTorch

Регулярно обновляйте PyTorch, чтобы воспользоваться улучшениями производительности и новыми функциями:

pip3 install --upgrade torch torchvision torchaudio

Или для Conda:

conda update pytorch torchvision torchaudio

Изучение возможностей PyTorch

Теперь, когда у вас установлен PyTorch, давайте кратко рассмотрим некоторые из его ключевых возможностей:

Динамические вычислительные графы

PyTorch использует динамический вычислительный граф, что позволяет создавать более гибкие архитектуры моделей и облегчает отладку.

Тензорные вычисления

Тензоры — это фундаментальная структура данных в PyTorch. Они похожи на массивы NumPy, но могут использоваться на GPU для более быстрых вычислений.

Автоград

Движок автоматического дифференцирования PyTorch, Autograd, позволяет легко вычислять градиенты для оптимизации в нейронных сетях.

Модули нейронных сетей

Модуль torch.nn предоставляет высокоуровневый интерфейс для построения нейронных сетей, включая готовые слои и функции потерь.

Поздравляем! Вы успешно установили PyTorch. Для получения дополнительной помощи или полезной информации мы рекомендуем вам посетить официальный сайт PyTorch.