Wie installiere ich Pytorch in Windows?

PyTorch 0.4 unterstützt jetzt offiziell Windows.

Installieren Sie PyTorch (ohne CUDA) mit

conda install pytorch-cpu -c pytorch 
pip3 install torchvision

Installieren Sie PyTorch (CUDA 9.1) mit

conda install pytorch cuda91 -c pytorch 
pip3 install torchvision

Weitere Installationsanleitungen finden Sie auf der offizielle Website .

Es scheint, dass der Autor (peterjc123) vor 2 Tagen conda-Pakete veröffentlicht hat, um PyTorch 0.3.0 unter Windows zu installieren. Hier ist eine Kopie:

# for Windows 10 and Windows Server 2016, CUDA 8
conda install -c peterjc123 pytorch cuda80

# for Windows 10 and Windows Server 2016, CUDA 9
conda install -c peterjc123 pytorch cuda90

# for Windows 7/8/8.1 and Windows Server 2008/2012, CUDA 8
conda install -c peterjc123 pytorch_legacy cuda80

quelle: https://github.com/pytorch/pytorch/issues/494#issuecomment-3505272

gehen Sie zur offiziellen Website: http://pytorch.org/

1. Wählen Sie Windows als Betriebssystem
2. Wählen Sie Ihren Paketmanager wie pip oder conda
3. Wählen Sie Sie python Version
4. Wählen Sie CUDA oder wählen Sie keine aus. Sie erhalten den Befehl, mit dem pytorch basierend auf Ihrer Auswahl auf Ihrem System installiert wird.

Wenn Sie beispielsweise Windows, pip, python 3.6 ) und none auswählen In den aufgeführten Schritten erhalten Sie die folgenden Befehle:

pip3 install http://download.pytorch.org/whl/cpu/torch-0.4.0-cp36-cp36m-win_AMD64.whl 
pip3 install torchvision

Wenn Sie versuchen, unter Windows 10 zu installieren, und Sie die Anaconda-Installation nicht haben, finden Sie unten die besten Optionen:

Python 2.7

pip install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp27-cp27mu-linux_x86_64.whl
pip install torchvision

Wenn der obige Befehl nicht funktioniert, haben Sie python 2.7 UCS2, verwenden Sie diesen Befehl

pip install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp27-cp27m-linux_x86_64.whl

Python 3.5

pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp35-cp35m-win_AMD64.whl
pip3 install torchvision

Python 3.6

pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp36-cp36m-win_AMD64.whl
pip3 install torchvision

Python 3.7

pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp37-cp37m-win_AMD64.whl
pip3 install torchvision

Update Juni 2019: pytorch hat jetzt einen eigenen Conda-Kanal und kann einfach mit Anaconda installiert werden. Der bei pytorch generierte Befehl erfordert Abhängigkeiten, bevor er erfolgreich ausgeführt werden kann. Zum Beispiel habe ich mich für einen stabilen Pytorch 1.1-Build mit python 3.6 und Cuda 10.0) entschieden. Der von der Pytorch-Seite generierte Befehl lautete wie folgt:

conda install pytorch torchvision cudatoolkit = 10.0 -c pytorch

Aber es wird nicht funktionieren, wenn Sie eine neue Conda-Umgebung wie ich erstellt haben. Der schrittweise Prozess zum Einrichten von Pytorch ist wie folgt:

• Installieren Sie zuerst das cudatoolkit wie folgt:

conda install -c anaconda cudatoolkit = 10.0

• Installieren Sie dann mkl_fft wie folgt:

conda install -c anaconda mkl_fft

• Angenommen, Sie haben keine Abhängigkeitsprobleme mehr. Verwenden Sie den folgenden Befehl, um pytorch einzurichten:

conda install -c pytorch pytorch

Das hat bei mir funktioniert. Aber ich hatte meine neue Conda-Umgebung mit Scikit-Learn und Jupiter-Notebook eingerichtet, bevor ich mit dem Pytorch-Setup begann. Wenn also ein Abhängigkeitsproblem auftritt, ist es eine gute Idee, sowohl das Scikit-Learn- als auch das Jupyter-Notebook zu installieren.

Versuchen Sie zu laufen:

conda install -c pytorch pytorch

Der Befehl wird aktualisiert/installiert: conda, cudatoolkit, pytorch.

Der Trick besteht darin, zur PyTorch Website zu gehen und die Dinge auszuwählen, die Sie benötigen:

(

Versuche dies

1. cD C:\Programme\Anaconda3\condabin
2. conda installieren pytorch-cpu torchvision-cpu -c pytorch

https://pytorch.org/get-started/locally/#anaconda

Diese Codezeile hat den Trick für mich getan:

conda install -c peterjc123 pytorch

Überprüfen Sie diese Links, falls Sie Probleme bei der Installation haben:

Superdatascience Tutorial Erklärt klar, wie es geht.

Oder gehen Sie einfach zur Anaconda Pytorch-Seite: https://anaconda.org/peterjc123/pytorch

Es hat bei mir funktioniert. Ich hoffe, meine Antwort war nützlich.

Ein paar Schritte wie beschrieben hier können helfen, Pytorch (CPU-Version) unter Windows zu installieren:

1. Zuerst müssen wir Shapely installieren. Für diesen Download Shapely as Shapely-1.6.3-cp36-cp36m-win_AMD64.whl von hier .

Gehen Sie dann in das Verzeichnis, in das Sie die whl-Datei heruntergeladen haben, und drücken Sie die UMSCHALTTASTE. Klicken Sie mit der rechten Maustaste und wählen Sie den Befehl zum Öffnen hier. Führen Sie dann Folgendes aus:

pip install Shapely-1.6.3-cp36-cp36m-win_AMD64.whl

2. Führen Sie zweitens Folgendes für Intel OpenMP aus

pip install intel-openmp

3. Der dritte und letzte Schritt ist das Herunterladen von PyTorch . Führen Sie dies erneut wie zuvor in der Eingabeaufforderung aus:

pip install torch - 1.0.1 - cp36 - cp36m - win_AMD64.whl

Möglicherweise möchten Sie Docker für Windows verwenden. Auf diese Weise können Sie pytorch wie unter Linux installieren. Obwohl ich glaube, dass die DfW nur ​​eine eingeschränkte CUDA-Unterstützung bietet, sollten Sie eine andere Option prüfen, wenn Sie CUDA verwenden möchten.

conda install -c peterjc123 pytorch   #for windows

Diese eine einfache Zeile erledigt Ihre Arbeit für Windows.

ODER Sie können dieses für Linux oder OSX verwenden.

conda install -c soumith pytorch 

für python 3.7, das ist das späteste bis Datum

für Pytorch auf CPU

pip install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp37-cp37m-win_AMD64.whl

pip install torchvision

Ich bekam eine Art Rollback error auf Git Bash und Windows Cmd Prompt musste also Anaconda Prompt als Administrator ausgeführt werden für:

conda install pytorch-cpu -c pytorch

und dann bekam ich einen anderen, als ich den folgenden Befehl auf Anaconda Prompt versuchte:

pip3 install torchvision

also wechselte ich zurück zu Windows Prompt, um es einzugeben, und es funktionierte.

Um die Installation zu testen, habe ich Folgendes von Git Bash ausgeführt:

$ python reinforcement_q_learning.py

mit Quellcode, der aussieht (das Snippet sowieso oben):

"""

import gym
import math
import random
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from collections import namedtuple
from itertools import count
from PIL import Image

import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
import torchvision.transforms as T


env = gym.make('CartPole-v0').unwrapped

# set up matplotlib
is_ipython = 'inline' in matplotlib.get_backend()
if is_ipython:
    from IPython import display

plt.ion()

# if gpu is to be used
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")


######################################################################
# Replay Memory
# -------------
#
# We'll be using experience replay memory for training our DQN. It stores
# the transitions that the agent observes, allowing us to reuse this data
# later. By sampling from it randomly, the transitions that build up a
# batch are decorrelated. It has been shown that this greatly stabilizes
# and improves the DQN training procedure.
#
# For this, we're going to need two classses:
#
# -  ``Transition`` - a named Tuple representing a single transition in
#    our environment. It maps essentially maps (state, action) pairs
#    to their (next_state, reward) result, with the state being the
#    screen difference image as described later on.
# -  ``ReplayMemory`` - a cyclic buffer of bounded size that holds the
#    transitions observed recently. It also implements a ``.sample()``
#    method for selecting a random batch of transitions for training.
#

Transition = namedtuple('Transition',
                        ('state', 'action', 'next_state', 'reward'))


class ReplayMemory(object):

    def __init__(self, capacity):
        self.capacity = capacity
        self.memory = []
        self.position = 0

    def Push(self, *args):
        """Saves a transition."""
        if len(self.memory) < self.capacity:
            self.memory.append(None)
        self.memory[self.position] = Transition(*args)
        self.position = (self.position + 1) % self.capacity

    def sample(self, batch_size):
        return random.sample(self.memory, batch_size)

    def __len__(self):
        return len(self.memory)

############continues to line 507...

Wenn die Antwort von @ x0s Abhängigkeitsprobleme verursacht, versuchen Sie, conda vorher zu aktualisieren.

conda update conda  
conda install -c peterjc123 pytorch_legacy cuda80