Windowsにpytorchをインストールする方法は？
私はpytorchをwindowsにインストールしようとしていますが、pytorchは利用可能ですがエラーが表示されます。
conda install -c peterjc123 pytorch=0.1.12
PyTorch 0.4 Windowsを公式にサポートするようになりました。
を使用してPyTorchをインストールします（CUDAなし）
conda install pytorch-cpu -c pytorch
pip3 install torchvision
を使用してPyTorch（CUDA 9.1）をインストールします
conda install pytorch cuda91 -c pytorch
pip3 install torchvision
インストールガイドの詳細については、 公式Webサイト を参照してください。
著者（peterjc123）は、WindowsにPyTorch 0.3.0をインストールするcondaパッケージを2日前にリリースしたようです。これがコピーです：
# 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
ソース： https://github.com/pytorch/pytorch/issues/494#issuecomment-3505272
公式ウェブサイトにアクセスしてください： http://pytorch.org/
- オペレーティングシステムとしてWindowsを選択します
- Pipやcondaなどのパッケージマネージャーを選択します
- あなたを選択python version
- CUDAを選択するか、なしを選択します。選択に基づいて、システムにpytorchをインストールするコマンドが表示されます。
たとえば、Windows、pip、python 3.6およびnone）を選択した場合リストされた手順では、次のコマンドが表示されます。
pip3 install http://download.pytorch.org/whl/cpu/torch-0.4.0-cp36-cp36m-win_AMD64.whl
pip3 install torchvision
Windows 10にインストールしようとしていて、anacondaをインストールしていない場合、最良のオプションは以下のとおりです。
Python 2.7
pip install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp27-cp27mu-linux_x86_64.whl
pip install torchvision
上記のコマンドが機能しない場合、python 2.7 UCS2があり、このコマンドを使用します
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
2019年6月更新：pytorchには専用のcondaチャネルがあり、anacondaで簡単にインストールできます。 pytorchで生成されたコマンドは、正常に実行される前に依存関係を必要とします。たとえば、python 3.6およびCuda 10.0で安定したpytorch 1.1ビルドを選択しました。pytorchページで生成されるコマンドは次のとおりです。
conda pytorch torchvision cudatoolkit = 10.0 -c pytorchをインストールします
しかし、私のような新しいconda環境を作成した場合は機能しません。 pytorchを設定するための段階的なプロセスは次のとおりです。
- まず、次のようにcudatoolkitをインストールします。
conda install -c anaconda cudatoolkit = 10.0
- 次に、次のようにmkl_fftをインストールします。
conda install -c anaconda mkl_fft
- 依存関係の問題がもう発生しないと仮定します。次のコマンドを使用して、pytorchをセットアップします。
conda install -c pytorch pytorch
これは私のために働いた。しかし、pytorchのセットアップを開始する前に、scikit-learnとjupyterノートブックで新しいconda環境をセットアップしていました。したがって、依存関係の問題が発生した場合は、scikit-learnとjupyterの両方のノートブックもインストールすることをお勧めします。
for python 3.7これは最新の終了日です
cPUのpytorch用
pip install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp37-cp37m-win_AMD64.whl
pip install torchvision
これを試して
- cd C：\ Program files\Anaconda3\condabin
- conda pytorch-cpu torchvision-cpu -c pytorchをインストールします
このコード行は私のためのトリックをしました：
conda install -c peterjc123 pytorch
インストールに問題がある場合は、これらのリンクを確認してください。
Superdatascience Tutorial 方法を明確に説明しています。
または、anaconda pytorchページに移動してください： https://anaconda.org/peterjc123/pytorch
私の答えが役立ったことを願っています。
here で説明されているいくつかの手順は、WindowsにPytorch（CPUバージョン）をインストールするのに役立ちます。
- まず、Shapelyをインストールする必要があります。このため、ShapelyをShapely-1.6.3-cp36-cp36m-win_AMD64.whlとして here からダウンロードします。
次に、whlファイルをダウンロードしたディレクトリに移動し、Shiftキーを押しながら右クリックして[ここで開く]コマンドを選択し、これを実行します。
pip install Shapely-1.6.3-cp36-cp36m-win_AMD64.whl
- 第二に、intel openmpに対して次を実行します
pip install intel-openmp
- 最後の3番目のステップは、 PyTorch をダウンロードすることです。繰り返しますが、コマンドプロンプトでこれを実行する前と同じです。
pip install torch‑1.0.1‑cp36‑cp36m‑win_AMD64.whl
Docker for Windows の使用を検討することもできます。これにより、Linuxの場合と同様にpytorchをインストールできます。ただし、DfWのCUDAサポートは限られているため、CUDAの使用を計画している場合は、別のオプションを検討することをお勧めします。
conda install -c peterjc123 pytorch #for windows
この簡単な1行で、ウィンドウの作業が完了します。
または、これをlinuxまたはosxに使用できます。
conda install -c soumith pytorch
秘TheはPyTorch website に行き、必要なものを選択することです：
ある種のRollback error Git bashおよびWindows Cmd Promptでは、次の管理者としてAnaconda Promptを実行する必要がありました。
conda install pytorch-cpu -c pytorch
そして、Anaconda Promptで次のコマンドを試したときに別のメッセージが表示されました。
pip3 install torchvision
だから私はそれを入力するためにWindowsプロンプトに切り替えて、それが働いた。
インストールをテストするために、Git Bashからこれを実行しました。
$ python reinforcement_q_learning.py
次のようなソースコードを使用します（とにかく上部近くのスニペット）：
"""
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...
@ x0sの回答で依存関係の問題が発生する場合は、その前にcondaを更新してみてください。
conda update conda
conda install -c peterjc123 pytorch_legacy cuda80