Библиотека PyTorch: способы установки в Python

Раздел: Прочее -> Установка и импорт библиотек

Установка PyTorch в среде Python

Наиболее эффективным и распространённым способом установки PyTorch является использование пакетного менеджера pip с указанием индекса, соответствующего вашей аппаратной платформе. Этот метод гарантирует получение предварительно скомпилированного дистрибутива, оптимизированного под конкретную версию CUDA (если используется GPU NVIDIA) или под CPU.

Команда для установки последней стабильной версии с поддержкой CUDA 11.8:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

Python torch install (установка pytorch в python)

Для установки без поддержки GPU (только CPU):

pip install torch torchvision torchaudio

После завершения установки рекомендуется проверить работоспособность в интерпретаторе Python:

import torch
print(torch.__version__)
print(torch.cuda.is_available())

2.5.1+cu118
True

Если torch.cuda.is_available() возвращает False, это указывает на отсутствие драйверов NVIDIA или несовместимость версии CUDA. Рекомендуется проверить драйверы командой nvidia-smi и при необходимости изменить индекс на соответствующий вашей версии CUDA (например, cu124 для CUDA 12.4).

Типичная ошибка: ERROR: Could not find a version that satisfies the requirement torch – возникает при неверном индексе или устаревшем pip. Решение: обновить pip (pip install --upgrade pip) и проверить правильность URL.

Как установить PyTorch с помощью менеджера пакетов conda?

Conda – удобный инструмент управления окружениями, особенно если используется дистрибутив Anaconda. Для установки PyTorch с conda выполните:

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

Параметр cudatoolkit можно опустить, если не требуется конкретная версия CUDA. Этот способ автоматически разрешает зависимости и подходит для новичков.

Проблема: конфликт версий с уже установленными пакетами. Решение: создать новое окружение conda create -n pytorch_env python=3.10 и повторить установку.

Как установить PyTorch на Mac с чипом Apple Silicon?

На устройствах с процессорами M1/M2/M3 используется архитектура ARM. PyTorch поддерживает ускорение через Metal Performance Shaders (MPS). Рекомендуется установка CPU-версии:

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

Для проверки доступности MPS:

import torch
print(torch.backends.mps.is_available())

True

Ошибка: AttributeError: module 'torch.backends' has no attribute 'mps' при старой версии PyTorch. Решение: обновить до версии 1.12 или выше.

Как собрать PyTorch из исходного кода?

Сборка из исходников позволяет получить самую свежую версию и оптимизировать её под конкретную систему. Вариант для разработчиков, которым нужна кастомизация.

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
pip install -r requirements.txt
python setup.py install

Перед сборкой необходимо установить CUDA Toolkit, cuDNN, компилятор C++.

Типичная ошибка: error: 'cstdint' file not found – не хватает компилятора. Решение: установить build-essential (Linux) или Visual Studio (Windows).

Как использовать PyTorch в контейнере Docker?

Официальные образы PyTorch на Docker Hub упрощают развёртывание в изолированной среде. Пример команды для запуска с GPU:

docker run --gpus all -it --rm pytorch/pytorch:latest bash

Внутри контейнера PyTorch уже установлен. Образы доступны для разных версий CUDA и CPU.

Проблема: контейнер не видит GPU. Решение: установить NVIDIA Container Toolkit и добавить флаг --gpus all.

Как установить PyTorch с поддержкой AMD ROCm?

Для видеокарт AMD можно использовать версию PyTorch, скомпилированную с библиотекой ROCm. Установка из экспериментальных сборок:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.6

Необходимо предварительно установить драйверы AMD ROCm.

Ошибка: hipErrorNoBinaryForGPU – несовместимость версии ROCm с моделью GPU. Решение: выбрать индекс, соответствующий вашей карте.

Как установить конкретную версию PyTorch?

Иногда требуется фиксированная версия для совместимости с проектом. Установка возможна через pip с указанием номера версии:

pip install torch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1

Аналогично для conda:

conda install pytorch=1.13.1 torchvision=0.14.1 torchaudio=0.13.1 cudatoolkit=11.6 -c pytorch

Проблема: конфликт зависимостей с другими пакетами. Решение: использовать виртуальное окружение или pip install --no-deps с ручной установкой зависимостей.

Расширенные примеры установки PyTorch

Установка с поддержкой CUDA 12.1 через прямой URL

Скачивание колеса (wheel) напрямую с сервера PyTorch и его установка:

Пример

wget https://download.pytorch.org/whl/cu121/torch-2.5.0%2Bcu121-cp310-cp310-linux_x86_64.whl
pip install torch-2.5.0+cu121-cp310-cp310-linux_x86_64.whl
pip install torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

Этот метод полезен при медленном соединении или необходимости установки на offline-системы.

Successfully installed torch-2.5.0+cu121

Использование Poetry для управления зависимостями

Добавление PyTorch в проект Poetry:

Пример

poetry add torch@^2.0.0 --source=https://download.pytorch.org/whl/cu118
poetry add torchvision torchaudio --source=https://download.pytorch.org/whl/cu118

После выполнения poetry install библиотеки будут установлены в изолированное окружение.

Установка в Google Colab с выбором версии

В среде Colab по умолчанию установлен PyTorch, но можно переустановить другую версию:

Пример

!pip install torch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 --index-url https://download.pytorch.org/whl/cu118
import torch
print(torch.__version__)

2.0.0+cu118

Обратите внимание: Colab использует временный диск, поэтому при отключении сессии установка будет потеряна.

Сборка с дополнительными оптимизациями (Intel MKL)

Для ускорения на процессорах Intel можно включить поддержку MKL:

Пример

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
MAX_JOBS=4 python setup.py install --blas=mkl

Флаг MAX_JOBS ограничивает количество потоков компиляции. После успешной сборки PyTorch будет использовать библиотеки Intel MKL.

(пример вывода при компиляции: "Building wheel for torch... done")

Проверка доступных устройств и использование MPS на Mac

Полный скрипт для определения поддерживаемых ускорителей:

Пример

import torch

print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("MPS available:", torch.backends.mps.is_available())
print("Number of GPUs:", torch.cuda.device_count())
if torch.cuda.is_available():
    print("GPU name:", torch.cuda.get_device_name(0))

PyTorch version: 2.5.1
CUDA available: False
MPS available: True
Number of GPUs: 0

Пример использования MPS для перемножения матриц:

Пример

device = torch.device('mps')
x = torch.randn(1000, 1000, device=device)
y = torch.randn(1000, 1000, device=device)
z = x @ y
print(z.shape, z.device)

torch.Size([1000, 1000]) mps:0

Установка PyTorch в Python - comments

Python torch install (python)