Sådan installeres PyTorch med NVIDIA GPU/CUDA Acceleration Support på Debian 12

Sadan Installeres Pytorch Med Nvidia Gpu Cuda Acceleration Support Pa Debian 12



PyTorch er en open source machine-learning (ML) framework fra Facebook/Meta. Det er et alternativ til TensorFlow. PyTorch er en meget populær AI/ML-ramme, og den bliver mere populær dag for dag.

PyTorch kan accelerere AI/ML-applikationerne ved hjælp af en NVIDIA GPU via NVIDIA CUDA-biblioteket, ligesom TensorFlow.

I denne artikel vil vi vise dig, hvordan du installerer PyTorch med NVIDIA GPU/CUDA-accelerationsunderstøttelse på Debian 12 'Bookworm'.







Emne for indhold:

  1. Installation af NVIDIA GPU-drivere på Debian 12
  2. Installerer NVIDIA CUDA på Debian 12
  3. Installation af Python 3 PIP og Python 3 Virtual Environment (venv) på Debian 12
  4. Oprettelse af et virtuelt Python 3-miljø til PyTorch
  5. Opgradering af Python 3 PIP til den nyeste version på Python 3 PyTorch Virtual Environment
  6. Installation af PyTorch med NVIDIA GPU/CUDA Acceleration Support på Debian 12
  7. Aktivering af PyTorch Python 3 Virtual Environment
  8. Få adgang til PyTorch og kontrollere, om NVIDIA GPU/CUDA-acceleration er tilgængelig
  9. Konklusion

Installation af NVIDIA GPU-drivere på Debian 12

For at PyTorch NVIDIA GPU/CUDA-acceleration skal virke, skal du installer NVIDIA GPU-driverne på Debian 12 . Hvis du har brug for hjælp til at installere NVIDIA GPU-driverne på dit Debian 12-system, læs denne artikel .



Installerer NVIDIA CUDA på Debian 12

For at PyTorch NVIDIA GPU/CUDA-acceleration skal fungere på Debian 12, skal du installer NVIDIA CUDA på Debian 12 . Hvis du har brug for hjælp til at installere NVIDIA CUDA på dit Debian 12-system, læs denne artikel .



Installation af Python 3 PIP og Python 3 Virtual Environment (venv) på Debian 12

For at installere PyTorch på Debian 12 skal du have Python 3 PIP og Python virtuelle miljø (venv) installeret.





Først skal du opdatere APT-pakkelagerets cache med følgende kommando:

$ sudo passende opdatering



For at installere Python 3 PIP og Python 3 virtuelle miljø (venv), skal du køre følgende kommando:

$ sudo passende installere python3-pip python3-venv python3-dev

For at bekræfte installationen skal du trykke på 'Y' og derefter trykke på .

  Et skærmbillede af en computerbeskrivelse genereret automatisk

Python 3 PIP og Python 3 venv er ved at blive installeret. Det tager et stykke tid at fuldføre.

  Et skærmbillede af en computerbeskrivelse genereret automatisk

På dette tidspunkt skal Python 3 PIP og Python 3 venv være installeret.

  Et skærmbillede af et computerprogram, der genereres automatisk

Oprettelse af et virtuelt Python 3-miljø til PyTorch

Standardpraksis for installation af Python-bibliotekerne på Debian 12 er at installere dem i et virtuelt Python-miljø, så de ikke forstyrrer systemets Python-pakker/biblioteker.

For at oprette et nyt Python 3 virtuelt miljø til PyTorch i mappen '/opt/pytorch' skal du køre følgende kommando:

$ sudo python3 -m venv / opt / pytorch

Opgradering af Python 3 PIP til den nyeste version på Python 3 PyTorch Virtual Environment

For at opgradere Python 3 PIP til den nyeste version på Python 3 '/opt/pytorch' virtuelle miljø skal du køre følgende kommando:

$ sudo / opt / pytorch / beholder / pip3 installere --opgradering pip

Installation af PyTorch med NVIDIA GPU/CUDA Acceleration Support på Debian 12

For at PyTorch NVIDIA GPU/CUDA-accelerationen skal fungere, skal du installere den korrekte version af PyTorch, der understøtter NVIDIA CUDA-driverversionen, som du installerede på dit Debian 12-system. På tidspunktet for skrivningen understøtter PyTorch NVIDIA CUDA-driverversionerne 11.8 og 12.1. For opdaterede oplysninger om NVIDIA CUDA-driverversionerne, som PyTorch understøtter, tjek den officielle hjemmeside for PyTorch .

For at kontrollere NVIDIA CUDA-driverversionen, som du installerede på dit Debian 12-system, skal du køre følgende kommando. Som du kan se, har vi NVIDIA CUDA version 11.8 installeret på vores Debian 12-system.

$ nvcc --version

  Et skærmbillede af en computerbeskrivelse genereret automatisk

For at installere PyTorch med NVIDIA CUDA 11.8-understøttelse på PyTorch Python 3 virtuelle miljø skal du køre følgende kommando:

$ sudo / opt / pytorch / beholder / pip3 installere torch torchvision torchaudio --indeks-url https: // download.pytorch.org / whl / med 118

For at installere PyTorch med NVIDIA CUDA 12.1-understøttelse på PyTorch Python 3 virtuelle miljø skal du køre følgende kommando:

$ sudo / opt / pytorch / beholder / pip3 installere torch torchvision torchaudio

PyTorch er ved at blive installeret på PyTorch Python 3 virtuelle miljø. Det tager et stykke tid at fuldføre.

På dette tidspunkt bør PyTorch være installeret på PyTorch Python 3 virtuelle miljø

  Et skærmbillede af en computerbeskrivelse genereret automatisk

Aktivering af PyTorch Python 3 Virtual Environment

For at aktivere PyTorch Python '/opt/pytorch' virtuelle miljø skal du køre følgende kommando:

$ . / opt / pytorch / beholder / aktivere

Det virtuelle PyTorch Python 3-miljø skal være aktiveret.

  Et skærmbillede af en computerbeskrivelse genereret automatisk

Få adgang til PyTorch og kontrollere, om NVIDIA GPU/CUDA-acceleration er tilgængelig

For at åbne den interaktive Python 3-skal skal du køre følgende kommando:

$ python3

Python 3 interaktive skal skal åbnes.

Importer først PyTorch med følgende kodelinje:

$ import lommelygte

  Et skærmbillede af en computerbeskrivelse genereret automatisk

For at kontrollere den version af PyTorch, du har installeret, skal du køre følgende kodelinje. Som du kan se, kører vi PyTorch 2.1.0 med NVIDIA CUDA 11.8 accelerationsunderstøttelse (cu118).

$ fakkel.__version__

  Et skærmbillede af en computerbeskrivelse genereret automatisk

For at kontrollere, om PyTorch er i stand til at bruge din NVIDIA GPU til NVIDIA CUDA-acceleration, kan du også køre følgende kodelinje. Hvis NVIDIA CUDA-understøttelse er tilgængelig, udskrives 'True'.

$ torch.cuda.is_available ( )

Hvis du har flere GPU'er installeret på din computer, kan du tjekke antallet af GPU'er, som PyTorch kan bruge, med følgende kodelinje. Som du kan se, har vi NVIDIA GPU (RTX 4070) installeret på vores Debian 12-system.

$ torch.cuda.device_count ( )

For at forlade den interaktive Python-skal skal du køre følgende kodelinje:

$ Afslut ( )

Konklusion

I denne artikel viste vi dig, hvordan du installerer Python 3 PIP og Python 3 virtuelle miljø (venv) på Debian 12. Vi viste dig også, hvordan du opretter et Python 3 virtuelt miljø til PyTorch på Debian 12, og hvordan du installerer PyTorch med NVIDIA CUDA 11.8 og 12.1 accelerationsunderstøttelse også på Debian 12. Til sidst viste vi dig, hvordan du aktiverer det virtuelle PyTorch Python-miljø og får adgang til PyTorch på Debian 12.