当前位置: 首页 > article >正文

《PyTorch基础教程》01 搭建环境 基于Docker搭建ubuntu22+Python3.10+Pytorch2+cuda11+jupyter的开发环境

01 环境搭建

《PyTorch基础教程》01 搭建环境 基于Docker搭建ubuntu22+Python3.10+Pytorch2+cuda11+jupyter的开发环境

Docker部署PyTorch

拉取cnstark/pytorch镜像

拉取镜像:

docker pull cnstark/pytorch:2.0.1-py3.10.11-cuda11.8.0-ubuntu22.04

导出镜像:

docker save -o pytorch2_python310_cuda11_ubuntu22.tar cnstark/pytorch:2.0.1-py3.10.11-cuda11.8.0-ubuntu22.04

导入镜像:

docker load -i pytorch2_python310_ubuntu22.tar

运行镜像:

mkdir -p /docker/pytorch/project
mkdir -p /docker/pytorch/dataset
docker run --name pytorch -itd -v /docker/pytorch/project:/workspace -v /docker/pytorch/dataset:/workspace/dataset cnstark/pytorch:2.0.1-py3.10.11-cuda11.8.0-ubuntu22.04

# 开启GPU
docker run --name pytorch --gpus all -itd -v /docker/pytorch/project:/workspace -v /docker/pytorch/dataset:/workspace/dataset cnstark/pytorch:2.0.1-py3.10.11-cuda11.8.0-ubuntu22.04

测试PyTorch脚本

main.py

# -*- coding: utf-8 -*-

import torch

dtype = torch.FloatTensor
# dtype = torch.cuda.FloatTensor # Uncomment this to run on GPU

# N is batch size; D_in is input dimension;
# H is hidden dimension; D_out is output dimension.
N, D_in, H, D_out = 64, 1000, 100, 10

# Create random input and output data
x = torch.randn(N, D_in).type(dtype)
y = torch.randn(N, D_out).type(dtype)

# Randomly initialize weights
w1 = torch.randn(D_in, H).type(dtype)
w2 = torch.randn(H, D_out).

http://www.kler.cn/a/226783.html

相关文章:

  • MySQL系统配置
  • 【微服务】skywalking自定义链路追踪与日志采集
  • 01-16Maven-SpringBoot入门
  • 瑞_数据结构与算法_红黑树
  • 【git指南】git 本地代码版本控制
  • Servlet基础之URL匹配规则
  • 高中数学立体几何练习题3
  • ManticoreSearch-(安装配置,集群搭建)-学习总结
  • [VulnHub靶机渗透] WestWild 1.1
  • 嵌入式中物联网核心技术有哪些
  • 深度学习和大数据技术的进步在自然语言处理领域的应用
  • 开源博客项目Blog .NET Core源码学习(8:EasyCaching使用浅析)
  • SpringBoot集成Redisson实现限流(二)
  • 速盾:免备案网站服务器接入cdn有哪些好处
  • 校招春招,在线测评一般测试哪些内容?
  • 【论文阅读】Long-Tailed Recognition via Weight Balancing(CVPR2022)附MaxNorm的代码
  • VS打包.exe文件步骤
  • LLM 推理优化探微 (1) :Transformer 解码器的推理过程详解
  • 【Linux】理解系统中一个被打开的文件
  • LeetCode.1686. 石子游戏 VI