[비망록] [PyTorch] 설치에서 간단한 사용에 이르기까지
소개
자신의 연구로 신경망을 사용하게 되었기 때문에, 그럼 PyTorch를 사용할까(뇌사)라고 하게 되었다.
인기인 것은 알고 있고, PFN님이 만든 chainer를 개발 종료에 몰아넣었다(이 표현은 있을까...) 것만은 알고 있지만, 구체적으로 사용한 적은 없었기 때문에 , 환경을 정돈해 조금 사용해 보면 여기까지를 기록에 남겨 둔다.
PyTorch란?
PyTorch란, Facebook이 개발하고 있는 Python의 라이브러리로, 주로 신경망(이하 NN)용으로 만들어진 것이다(나의 편견). GPU를 사용할 수 있도록 하는 것으로 NN의 계산을 빨리 할 수 있거나, 자동 미분 시스템이 있거나와, NN의 허들을 낮추는데 일역 사고 있는 편리한 툴이다.
※더 다른 특징이 있을 것이라 의견도 있을지도 모르지만, 자신에 대한 묵직한 설명이기 때문에 용서해 주세요.
다운로드 방법
필자의 환경
OS: Windows10
Python : Python3.7
Package : Anaconda
IDE : Spyder4.1.4
GPU : 온보드 녀석만. NVIDIA는 묶이지 않습니다.
우선, pytorch의 설치 커맨드를 이하의 WEB 페이지로부터 취득한다.
PyTorch
적절한 설치 명령을 선택하지 않으면 오로지 오류가 발생하므로주의.
※Qiita의 다른 사람의 페이지의 인스톨 커멘드를 복사해, 그대로 실행해 에러가 나오고, 어째서인가? 을 반복한 바보가 이 기사를 쓰고
옵션은
1. 빌드 (조사했지만 잘 모르기 때문에 다른 기사에 따라 왼쪽을 선택)
2. OS
3. 패키지
4. 언어
5. CUDA (GPU를 사용하기위한 것 같습니다)
5개.
필자의 환경에 따라 다음 이미지와 같이 했습니다.
맨 아래의 Run this Command 부분이 설치 명령. 그리고, 아래의 순서로 인스톨.
① Anaconda prompt를 마우스 오른쪽 버튼으로 클릭하고 기타 → 관리자로 실행하여 열기
②다음 명령을 실행
conda install pytorch torchvision cpuonly -c pytorch
이제 OK
보충: 집의 데스크탑에서는 잘 되었지만, 왠지 노트북에서는 잘 되어서, 아래와 같은 에러가 나왔다.
OSError:[WinError 126] 指定されたモジュールが見つかりません。
에러 메세지로 검색했으면, 🍑파고 님의 이 페이지
conda install pytorch==1.5.0 torchvision==0.6.0 -c pytorch
그래서 노트북의 pytorch는 버전이 오래된 것을 잊지 마세요.
쉬운 사용법
행렬의 요소에 행 번호와 열 번호로 참조하거나, 평균을 계산하거나, 전치하거나, numpy로 할 수 있는 것은 대개 할 수 있다. 게다가 numpy로 변환도 가능하다. GPU를 사용하고 있지 않기 때문에, 그 혜택을 그다지 느껴지지 않지만, 자동 미분은 편리하다-라고 생각했으므로, 그것을 아래에 써 둔다.
#ライブラリ
import torch
#行列作成
A = torch.tensor([[1,2],[3,4]])
B = torch.tensor([[4,3],[2,1]])
#行列同士の積
torch.mm(A,B)
###tensor([[ 8, 5],[20, 13]])###
#自動微分
x = torch.tensor(3.0, requires_grad = True) #Xを変数にしたい場合はrequires_gradの引数をTrueにする
#最初の4はXに対してある点を与えている。
a = torch.tensor(2.0) #傾き
b = 1.0 #切片
y = a*x + 1 #関数定義
print(y) # x = 3の時の値
###tensor(7., grad_fn=<AddBackward0>)###
y.backward() #requires_grad =Trueになっている変数で微分実行
print(x.grad) #微分した結果
###tensor(2.)###
인용원
[1] (import torch에서 "OSError : [WinError 126] 지정된 모듈을 찾을 수 없습니다."가 나왔을 때의 조치)
[2] PyTorch
[3] (import torch에서 "OSError : [WinError 126] 지정된 모듈을 찾을 수 없습니다."가 나왔을 때의 조치) 직접 뭔가를 인용한 것은 아니지만, 이 페이지도 보고 참고로 했습니다.
[4]"현장에서 사용할 수 있는 PyTorch 개발 입문, 사세바시 저"← 샀다. 최고.
Reference
이 문제에 관하여([비망록] [PyTorch] 설치에서 간단한 사용에 이르기까지), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/K_tuas/items/286eefe54f4de94f5577
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
PyTorch란, Facebook이 개발하고 있는 Python의 라이브러리로, 주로 신경망(이하 NN)용으로 만들어진 것이다(나의 편견). GPU를 사용할 수 있도록 하는 것으로 NN의 계산을 빨리 할 수 있거나, 자동 미분 시스템이 있거나와, NN의 허들을 낮추는데 일역 사고 있는 편리한 툴이다.
※더 다른 특징이 있을 것이라 의견도 있을지도 모르지만, 자신에 대한 묵직한 설명이기 때문에 용서해 주세요.
다운로드 방법
필자의 환경
OS: Windows10
Python : Python3.7
Package : Anaconda
IDE : Spyder4.1.4
GPU : 온보드 녀석만. NVIDIA는 묶이지 않습니다.
우선, pytorch의 설치 커맨드를 이하의 WEB 페이지로부터 취득한다.
PyTorch
적절한 설치 명령을 선택하지 않으면 오로지 오류가 발생하므로주의.
※Qiita의 다른 사람의 페이지의 인스톨 커멘드를 복사해, 그대로 실행해 에러가 나오고, 어째서인가? 을 반복한 바보가 이 기사를 쓰고
옵션은
1. 빌드 (조사했지만 잘 모르기 때문에 다른 기사에 따라 왼쪽을 선택)
2. OS
3. 패키지
4. 언어
5. CUDA (GPU를 사용하기위한 것 같습니다)
5개.
필자의 환경에 따라 다음 이미지와 같이 했습니다.
맨 아래의 Run this Command 부분이 설치 명령. 그리고, 아래의 순서로 인스톨.
① Anaconda prompt를 마우스 오른쪽 버튼으로 클릭하고 기타 → 관리자로 실행하여 열기
②다음 명령을 실행
conda install pytorch torchvision cpuonly -c pytorch
이제 OK
보충: 집의 데스크탑에서는 잘 되었지만, 왠지 노트북에서는 잘 되어서, 아래와 같은 에러가 나왔다.
OSError:[WinError 126] 指定されたモジュールが見つかりません。
에러 메세지로 검색했으면, 🍑파고 님의 이 페이지
conda install pytorch==1.5.0 torchvision==0.6.0 -c pytorch
그래서 노트북의 pytorch는 버전이 오래된 것을 잊지 마세요.
쉬운 사용법
행렬의 요소에 행 번호와 열 번호로 참조하거나, 평균을 계산하거나, 전치하거나, numpy로 할 수 있는 것은 대개 할 수 있다. 게다가 numpy로 변환도 가능하다. GPU를 사용하고 있지 않기 때문에, 그 혜택을 그다지 느껴지지 않지만, 자동 미분은 편리하다-라고 생각했으므로, 그것을 아래에 써 둔다.
#ライブラリ
import torch
#行列作成
A = torch.tensor([[1,2],[3,4]])
B = torch.tensor([[4,3],[2,1]])
#行列同士の積
torch.mm(A,B)
###tensor([[ 8, 5],[20, 13]])###
#自動微分
x = torch.tensor(3.0, requires_grad = True) #Xを変数にしたい場合はrequires_gradの引数をTrueにする
#最初の4はXに対してある点を与えている。
a = torch.tensor(2.0) #傾き
b = 1.0 #切片
y = a*x + 1 #関数定義
print(y) # x = 3の時の値
###tensor(7., grad_fn=<AddBackward0>)###
y.backward() #requires_grad =Trueになっている変数で微分実行
print(x.grad) #微分した結果
###tensor(2.)###
인용원
[1] (import torch에서 "OSError : [WinError 126] 지정된 모듈을 찾을 수 없습니다."가 나왔을 때의 조치)
[2] PyTorch
[3] (import torch에서 "OSError : [WinError 126] 지정된 모듈을 찾을 수 없습니다."가 나왔을 때의 조치) 직접 뭔가를 인용한 것은 아니지만, 이 페이지도 보고 참고로 했습니다.
[4]"현장에서 사용할 수 있는 PyTorch 개발 입문, 사세바시 저"← 샀다. 최고.
Reference
이 문제에 관하여([비망록] [PyTorch] 설치에서 간단한 사용에 이르기까지), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/K_tuas/items/286eefe54f4de94f5577
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
conda install pytorch torchvision cpuonly -c pytorch
OSError:[WinError 126] 指定されたモジュールが見つかりません。
conda install pytorch==1.5.0 torchvision==0.6.0 -c pytorch
행렬의 요소에 행 번호와 열 번호로 참조하거나, 평균을 계산하거나, 전치하거나, numpy로 할 수 있는 것은 대개 할 수 있다. 게다가 numpy로 변환도 가능하다. GPU를 사용하고 있지 않기 때문에, 그 혜택을 그다지 느껴지지 않지만, 자동 미분은 편리하다-라고 생각했으므로, 그것을 아래에 써 둔다.
#ライブラリ
import torch
#行列作成
A = torch.tensor([[1,2],[3,4]])
B = torch.tensor([[4,3],[2,1]])
#行列同士の積
torch.mm(A,B)
###tensor([[ 8, 5],[20, 13]])###
#自動微分
x = torch.tensor(3.0, requires_grad = True) #Xを変数にしたい場合はrequires_gradの引数をTrueにする
#最初の4はXに対してある点を与えている。
a = torch.tensor(2.0) #傾き
b = 1.0 #切片
y = a*x + 1 #関数定義
print(y) # x = 3の時の値
###tensor(7., grad_fn=<AddBackward0>)###
y.backward() #requires_grad =Trueになっている変数で微分実行
print(x.grad) #微分した結果
###tensor(2.)###
인용원
[1] (import torch에서 "OSError : [WinError 126] 지정된 모듈을 찾을 수 없습니다."가 나왔을 때의 조치)
[2] PyTorch
[3] (import torch에서 "OSError : [WinError 126] 지정된 모듈을 찾을 수 없습니다."가 나왔을 때의 조치) 직접 뭔가를 인용한 것은 아니지만, 이 페이지도 보고 참고로 했습니다.
[4]"현장에서 사용할 수 있는 PyTorch 개발 입문, 사세바시 저"← 샀다. 최고.
Reference
이 문제에 관하여([비망록] [PyTorch] 설치에서 간단한 사용에 이르기까지), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/K_tuas/items/286eefe54f4de94f5577
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여([비망록] [PyTorch] 설치에서 간단한 사용에 이르기까지), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/K_tuas/items/286eefe54f4de94f5577텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)