溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹如何解析pytorch-gpu源碼編譯，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
這個就不多講了，沒裝好的，可以參考下面的鏈接
安裝基礎依賴
conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses
由于要使用gpu，所以還需要安裝LAPACK支持，根據CUDA版本安裝對應的軟件包
# Add LAPACK support for the GPU if needed
conda install -c pytorch magma-cuda101 # or [ magma-cuda101 | magma-cuda100 | magma-cuda92 ] depending on your cuda version
接下來就可以開始克隆代碼了
git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
# if you are updating an existing checkout
git submodule sync
git submodule update --init --recursive
準備工作完成后，就可以開始編譯了
export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py install
CMAKE_PREFIX_PATH其實就是anaconda的安裝目錄，如我這里的/home/xugaoxiang/anaconda3
編譯的時候較長，耐心等待就好
重新開一個terminal進行測試
(base) xugaoxiang@1070Ti:~$ ipython
Python 3.7.6 (default, Jan 8 2020, 19:59:22)
Type 'copyright', 'credits' or 'license' for more information
IPython 7.19.0 -- An enhanced Interactive Python. Type '?' for help.
In [1]: import torch
In [2]: torch.__version__
Out[2]: '1.8.0a0+46d846f'
In [3]: torch.cuda.is_available()
Out[3]: True
In [4]:
說明pytorch已經安裝到了anaconda的環境中，而且是gpu的版本，搞定！
整個編譯過程還是非常順利的，之前我們編譯過opencv、tensorflow、caffe，跟他們相比，pytorch在依賴關系的處理上做的非常好，以子項目的形式納入到自己的工程當中，整個編譯過程沒出現過報錯，文檔也是寫的簡單明了，難怪它的市占率會越來越高。
關于如何解析pytorch-gpu源碼編譯就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
