文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Mac M1芯片安装PyTorch、GPU加速环境

2023-08-31 16:26

关注

文章目录

安装PyTorch前先看一下(最好也安装一下)安装Tensorflow这篇文章

通过App store安装或者使用命令$ xcode-select --install安装

$ conda create -n torch-gpuprivate python=3.9$ conda activate torch-gpuprivate

在这里插入图片描述
在这里插入图片描述

Pytorch官网指导页面
在这里插入图片描述

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

在这里插入图片描述

通过上述方式安装的PyTorch可能自带的Numpy太低,所以重新安装Numpy:

pip uninstall numpy # 这样会移除刚刚安装的Pytorch以及一些其他的第三方库pip install numpy

或者

conda uninstall numpy # 这样会移除刚刚安装的Pytorch以及一些其他的第三方库conda install numpy

使用“conda list”可以查看此conda环境内的包和各个包的版本。使用“conda deactivate”可退出当前conda环境。

这一步是要将此conda环境“torch-gpuprivate”,添加进Jupyter Lab的Kernel

conda activate torch-gpuprivate //注意替换成自己的虚拟环境名conda install ipykernel //安装ipykernelsudo python -m ipykernel install --name torch-gpuprivate //在ipykernel中安装当前环境conda deactivate

此时打开Jupyter Lab切换Kernel,已出现刚刚安装的“torch-gpuprivate”conda环境。
在这里插入图片描述

6.1 测试代码1

import torchimport math# this ensures that the current MacOS version is at least 12.3+print(torch.backends.mps.is_available())# this ensures that the current current PyTorch installation was built with MPS activated.print(torch.backends.mps.is_built())

在这里插入图片描述

6.2 测试代码2

dtype = torch.floatdevice = torch.device("mps")# Create random input and output datax = torch.linspace(-math.pi, math.pi, 2000, device=device, dtype=dtype)y = torch.sin(x)# Randomly initialize weightsa = torch.randn((), device=device, dtype=dtype)b = torch.randn((), device=device, dtype=dtype)c = torch.randn((), device=device, dtype=dtype)d = torch.randn((), device=device, dtype=dtype)learning_rate = 1e-6for t in range(2000):    # Forward pass: compute predicted y    y_pred = a + b * x + c * x ** 2 + d * x ** 3    # Compute and print loss    loss = (y_pred - y).pow(2).sum().item()    if t % 100 == 99:        print(t, loss)# Backprop to compute gradients of a, b, c, d with respect to loss    grad_y_pred = 2.0 * (y_pred - y)    grad_a = grad_y_pred.sum()    grad_b = (grad_y_pred * x).sum()    grad_c = (grad_y_pred * x ** 2).sum()    grad_d = (grad_y_pred * x ** 3).sum()    # Update weights using gradient descent    a -= learning_rate * grad_a    b -= learning_rate * grad_b    c -= learning_rate * grad_c    d -= learning_rate * grad_dprint(f'Result: y = {a.item()} + {b.item()} x + {c.item()} x^2 + {d.item()} x^3')

6.3 在Mac M1中指定使用GPU加速

To run PyTorch code on the GPU, use torch.device(“mps”) analogous to torch.device(“cuda”) on an Nvidia GPU. Hence, in this example, we move all computations to the GPU:

要在 Mac M1的GPU 上运行 PyTorch 代码,使用命令 torch.device("mps")来指定。这类似于 Nvidia GPU 上的torch.device("cuda")命令。具体使用方法见下图代码:
在这里插入图片描述

来源地址:https://blog.csdn.net/Waldocsdn/article/details/129673645

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-移动开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯