ubuntu1804下离线安装Pytorch1.7.1和LibTorch
Pytorch1.7.1:
首先,确定你要安装的CPU版的还是GPU版的Pytorch,这里以GPU版为例。
1.进入Pytorch官网,选择对应的版本,我之前装的是CUDA10.1因此对应的pip命令是这样的:
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
其中,cu101表示CUDA10.1,其他几个数字对应torch,torchvision,torchaudio的版本。
一开始想着这个官网做的挺不错的,安装如此简单,满心欢喜的输入命令后等待,结果下载速度贼慢,还因为网太差被中断了,
emmm,果然没这么好的事。
2.接下去进入离线安装,所谓离线安装就是你通过其他途径下好安装包,然后安装。
怎么下载呢,我直接用浏览器自带的下载器下载,别说还挺快的。网址是https://download.pytorch.org/whl/torch_stable.html。
进到这个网址之后就傻了,链接太多了不知道点哪一个。这时候就要根据前面的推荐的命令来选择了,我选择的链接是cu101/torch-1.7.1%2Bcu101-cp36-cp36m-linux_x86_64.whl
cu101表示CUDA10.1,torch-1.7.1表示torch版本,cp36表示python3.6,linux_x86_64表示linux版本。总共要下载三个安装包,torch,torchvision,torchaudio,版本根据
推荐的即可。
3.安装,我直接下在了主目录,所以安装命令是 pip install 安装包全名及后缀。
pip install torch-1.7.1+cu101-cp36-cp36m-linux_x86_64.whl
结果:
另外两个安装包也类似,结果如下:
torchvision-0.8.2
4.验证:依次在终端输入以下命令。
python3 import torch import torchvision print(torch.cuda.is_available())//验证GPU
结果如下表示成功。
LibTorch:
首先在官网根据CUDA版本找到对应的命令,和python的不同,C++有两条命令可以选择。一个是Pre-cxx11还有一个是cxx11。
Pre-cxx11好像是支持GCC5之前的版本,cxx11是之后的版本,目前大多数都是GCC5之后的版本,我自己是GCC7,所以选择的是cxx11的链接。
可以通过gcc -v命令查看gcc版本。
我直接用的在线安装,这个速度还蛮快的。
wegt https://download.pytorch.org/libtorch/cu101/libtorch-cxx11-abi-shared-with-deps-1.7.1%2Bcu101.zip
然后使用解压到主目录下,出现了libtorch文件。
接下来进行验证,使用官方的例子。
创建example-app文件夹,文件夹包含cmake文件和cpp文件,CMakeLists.txt内容如下:
cmake_minimum_required(VERSION 3.0 FATAL_ERROR) project(example-app) set(CMAKE_PREFIX_PATH "绝对路径/libtorch") find_package(Torch REQUIRED) set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${TORCH_CXX_FLAGS}") add_executable(example-app example-app.cpp) target_link_libraries(example-app "${TORCH_LIBRARIES}") set_property(TARGET example-app PROPERTY CXX_STANDARD 14)
example-app.cpp内容如下:
#include <torch/torch.h> #include <iostream> int main() { torch::Tensor tensor = torch::rand({2, 3}); std::cout << tensor << std::endl; }
然后进入example-app文件夹下进行cmake和make操作:
mkdir build
cd build
cmake ..
make
最后输入:
./example-app
结果如下表示成功:
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列:基于图像分类模型对图像进行分类
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· 25岁的心里话
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 按钮权限的设计及实现