DeepLearningライブラリPyTorchのインストール方法

DeepLearningライブラリの種類と選び方

PythonでサポートされているDeepLearningライブラリとしては……

  • PyTorch
  • TensorFlow
  • Chainer
  • Keras
  • Caffe

などが挙げられます。

いずれも優れたライブラリですが、環境設定・インストールの敷居が高いところがあります。

これらの中で、現在、最もお手軽にインストールができるライブラリはPyTorchです。

それでは、5分でPyTorchのインストールを済ませてしまいましょう。

PyTorchのインストール方法

  • インストール先のサーバの設定
    • Ubuntu 16.04 LTS
    • CUDA-8.0

Anacondaのインストール

はじめに、DeepLearning用のライブラリを集めたディストリビューションであるAnacondaというソフトウェアをインストールする必要があります。

Anacondaのダウンロードページにアクセスし、Anacondaのリンクを取得します。

wgetコマンドでリンク先をダウンロードし、その後実行権限を与えてインストール。

wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh
chmod a+x ./Anaconda3-5.3.0-Linux-x86_64.sh
./Anaconda3-5.3.0-Linux-x86_64.sh
source activate ~/.bashrc

PyTorchをインストール

PyTorchの公式サイトからget-startedのページにアクセスし、以下の要件でPyTorchのインストール用コマンドを生成します。

生成したコマンドを実行して、PyTorchのインストールが完了します。

conda install pytorch torchvision cuda80 -c pytorch

たったこれだけでPyTorchによるDeepLearningが実行できるようになりました!

chainerやTensorFlowに比べ、あっという間に、かつ安定して環境構築ができるところがPyTorchの大きなメリットです。

PyTorchのテスト

それでは、インストールしたPyTorchがGPUモードで動くことの確認をしてみます。

ipythonのインタープリタから、以下のコードを実行してみましょう。

ipython
In [1]: import torch
In [2]: t1 = torch.tensor([1, 2]).cuda()
In [3]: t2 = torch.tensor([3, 4]).cuda()
In [4]: t1 + t2
Out[4]: tensor([ 4,  6], device='cuda:0')

無事にGPUでベクトルの計算ができたことが確認できました。

これで好きなだけPyTorchを使ってDeepLearningを実行させることができます。

参考