软硬件环境
- ubuntu 18.04 64bit
- NVidia GTX 1070Ti
- anaconda with python 3.7
- CUDA 10.1
- cuDNN 7.6
- pytorch 1.8
视频看这里
此处是 youtube 的播放链接，需要科学上网。喜欢我的视频，请记得订阅我的频道，打开旁边的小铃铛，点赞并分享，感谢您的支持。
python和gpu环境
这个就不多讲了，没装好的，可以参考下面的链接
编译步骤
安装基础依赖
conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses由于要使用 gpu，所以还需要安装 LAPACK 支持，根据 CUDA 版本安装对应的软件包
# 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接下来就可以开始克隆代码了
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准备工作完成后，就可以开始编译了
export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py installCMAKE_PREFIX_PATH 其实就是 anaconda 的安装目录，如我这里的/home/xugaoxiang/anaconda3
编译的时候较长，耐心等待就好
测试
重新开一个 terminal 终端进行测试
(base) xugaoxiang@1070Ti:~$ 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]:
说明 pytorch 已经安装到了 anaconda 的环境中，而且是 gpu 的版本，搞定！
小结
整个编译过程还是非常顺利的，之前我们编译过 opencv、tensorflow、caffe，跟他们相比，pytorch 在依赖关系的处理上做的非常好，以子项目的形式纳入到自己的工程当中，整个编译过程没出现过报错，文档也是写的简单明了，难怪它的市占率会越来越高。
