PyTorch與PyTorch Geometric的安裝

GPU與CUDA,Python,PyTorch的匹配

1. 查看Linux系統(tǒng)中GPU的基礎(chǔ)信息/NVIDIA Driver Version

nvidia-smi

nvidia-smi是nvidia 的系統(tǒng)管理界面 ，其中smi是System management interface的縮寫，它可以收集各種級別的信息，查看顯存使用情況。此外, 可以啟用和禁用 GPU 配置選項 (如 ECC 內(nèi)存功能)。

系統(tǒng)的Nvidia Driver Version決定著系統(tǒng)最高可以支持什么版本的cuda和cudatoolkit，Nvidia Driver是向下兼容的，詳情如下（見Table 3. CUDA Toolkit and Corresponding Driver Versions）：

2. 查看當(dāng)前CUDA版本：

cat  /usr/local/cuda/version.txt

我自己的環(huán)境最高可支持10.1版本的cuda和cudatoolkit，當(dāng)前是10.0，版本向下兼容，并無什么問題。

3. CUDA Toolkit匹配PyTorch

CUDA Toolkit 和PyTorch的對應(yīng)關(guān)系（見官網(wǎng)）

！ 注意事項：服務(wù)器本身的CUDA版本與虛擬環(huán)境中安裝的cudatoolkit包沒有太大關(guān)系，一般安裝pytorch時需要考慮的cuda版本指的應(yīng)該是虛擬環(huán)境中安裝的cudatoolkit包的版本

由于我需要用到v1.6.0的Pytorch，因此自己在虛擬環(huán)境里安裝v10.1的CUDA Toolkit，系統(tǒng)GPU可接受最高版本v10.1。
torch與torchvision對應(yīng)關(guān)系如下（詳情見PyTorch / Vision）：

因此，我需要安裝的如下：
CUDA Toolkit == 10.1
Python == 3.7
PyTorch == 1.6

安裝PyTorch

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

安裝完成后可通過以下命令檢查torch版本及對應(yīng)的CUDA版本：

python -c "import torch; print(torch.__version__)"
python -c "import torch; print(torch.version.cuda)"

再通過以下命令查看GPU是否可用：

python

>>> import torch
>>> torch.cuda.is_available() 	# GPU是否可用
>>> torch.cuda.device_count()	# GPU數(shù)量
>>> torch.cuda.current_device()	# 當(dāng)前GPU
>>> exit()

注意，GPU devices從0開始編號。

安裝PyTorch Geometric

1. 快速安裝

根據(jù)官網(wǎng)，如果PyTorch版本≥1.8.0，可以快速下載：

2. 自定義安裝

自定義下載需要根據(jù)當(dāng)前的PyTorch版本和CUDA版本下載相關(guān)的依賴，下載命令如下：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.html
pip install torch-geometric

其中， ${TORCH}替換為當(dāng)前環(huán)境下的PyTorch版本，目前支持1.4.0、1.5.0、1.6.0、1.7.0、1.7.1、1.8.0、1.8.1、和1.9.0； ${CUDA}替換為指定的CUDA版本，目前支持cpu、cu92、cu101、cu102、cu110和cu111。

例如對于PyTorch 1.6.0和CUDA 10.1：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-geometric

3. 版本依賴

使用自定義安裝時，依然可能會出現(xiàn)安裝失敗的問題，因為pytorch_geometric幾個相關(guān)庫之間有比較強的依賴關(guān)系，建議是在自定義安裝的基礎(chǔ)上指定對應(yīng)庫的版本，例如對于pytorch1.6.0和cuda10.1：

pip install torch-scatter==2.0.5 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-cluster==1.5.8 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-sparse==0.6.7 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-spline-conv==1.2.0 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html
pip install torch-geometric==1.6.1 -f https://pytorch-geometric.com/whl/torch-1.6.0+cu101.html

到此這篇關(guān)于PyTorch與PyTorch Geometric的安裝的文章就介紹到這了,更多相關(guān)PyTorch Geometric安裝內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論