pytorch 0.3发布(0.3.0b0),更新信息以及更新步骤

简介: pytorch 0.3发布了性能提升、新的网络层,支持ONNX,正式支持CUDA9、CuDNNv7,大量bug修复。 Performance improvements, new layers, ship models ...

pytorch 0.3发布了

性能提升、新的网络层,支持ONNX,正式支持CUDA9、CuDNNv7,大量bug修复。
Performance improvements, new layers, ship models to other frameworks (via ONNX), CUDA9, CuDNNv7, lots of bug fixes
具体更新信息请移步官方的release:https://github.com/pytorch/pytorch/releases

新的编译好的更新包请移步这里:https://zhuanlan.zhihu.com/p/31747695

快捷门更新包(whl):https://pan.baidu.com/s/1dF6ayLr#list/path=%2F&parentPath=%2F
更新包是上面那个连接的童鞋编译好的,他只编译好了whl版的conda版的暂时没编译好。

不想编译的童鞋可以直接到官网release界面下载源码版自行进行编译

安装步骤

下好上面的whl文件。在win10下进行pip安装。

C:\Users\dell\PycharmProjects\Pytorch-Learn>C:\Users\dell\Anaconda3\envs\my-pytorch\Scripts\pip install "torch-0.3.0b0+591e73e-cp36-cp36m-win_amd64.whl"
Processing c:\users\dell\pycharmprojects\pytorch-learn\torch-0.3.0b0+591e73e-cp36-cp36m-win_amd64.whl
Requirement already satisfied: pyyaml in c:\users\dell\anaconda3\envs\my-pytorch\lib\site-packages (from torch==0.3.0b0+591e73e)
Requirement already satisfied: numpy in c:\users\dell\anaconda3\envs\my-pytorch\lib\site-packages (from torch==0.3.0b0+591e73e)
Installing collected packages: torch
  Found existing installation: torch 0.2.1+a4fc05a
    Uninstalling torch-0.2.1+a4fc05a:
      Successfully uninstalled torch-0.2.1+a4fc05a
Successfully installed torch-0.3.0b0+591e73e
目录
相关文章
|
4月前
|
机器学习/深度学习 并行计算 PyTorch
安装PyTorch详细步骤
安装PyTorch时,选择CPU或GPU版本。有Nvidia显卡需装CUDA和cuDNN,可从NVIDIA官网下载CUDA 11.8和对应版本cuDNN。无Nvidia显卡则安装CPU版。安装PyTorch通过conda或pip,GPU版指定`cu118`或`rocm5.4.2`镜像源。验证安装成功使用`torch._version_`和`torch.cuda.is_available()`。
|
人工智能 自然语言处理 PyTorch
NLP信息抽取全解析:从命名实体到事件抽取的PyTorch实战指南
NLP信息抽取全解析:从命名实体到事件抽取的PyTorch实战指南
749 0
|
机器学习/深度学习 自然语言处理 算法
使用PyTorch构建神经网络(详细步骤讲解+注释版) 03 模型评价与准确率提升
使用PyTorch构建神经网络(详细步骤讲解+注释版) 02-数据读取与训练 本文的使用的部分类方法为前述文章定义所得,如果希望运行完整代码建议同时查看上一篇文章或文末留言发你完整代码。
使用PyTorch构建神经网络(详细步骤讲解+注释版) 03 模型评价与准确率提升
|
机器学习/深度学习 数据可视化 数据挖掘
使用PyTorch构建神经网络(详细步骤讲解+注释版) 02-数据读取与训练
熟悉基础数据分析的同学应该更习惯使用Pandas库对数据进行处理,此处为了加深对PyTorch的理解,我们尝试使用PyTorch读取数据。这里面用到的包是torch.utils.data.Dataset。 在下面的代码中,分别定义了len方法与getitem方法。这两个方法都是python的内置方法,但是对类并不适用。这里通过重写方法使类也可以调用,并且自定义了getitem方法的输出
使用PyTorch构建神经网络(详细步骤讲解+注释版) 02-数据读取与训练
|
机器学习/深度学习 PyTorch 算法框架/工具
使用PyTorch构建卷积GAN源码(详细步骤讲解+注释版) 02人脸图片生成下
生成器的结构应与鉴别器相逆,因此生成器不再使用卷积操作,而是使用卷积的逆向操作,我们称之为转置卷积(transposed convolution)。
|
机器学习/深度学习 PyTorch 算法框架/工具
使用PyTorch构建卷积GAN源码(详细步骤讲解+注释版) 02人脸图片生成 上
使用PyTorch构建卷积GAN源码(详细步骤讲解+注释版) 02人脸图片生成 上
|
机器学习/深度学习 PyTorch 语音技术
使用PyTorch构建卷积神经网络(CNN)源码(详细步骤讲解+注释版) 01 手写数字识别
在使用PyTorch构建GAN生成对抗网络一文中,我们使用GAN构建了一个可以生成人脸图像的模型。但尽管是较为简单的模型,仍占用了1G左右的GPU内存,因此需要探索更加节约资源的方式。
|
机器学习/深度学习 PyTorch 算法框架/工具
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)02 人脸识别 下
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)02 人脸识别 下
|
机器学习/深度学习 存储 并行计算
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)02 人脸识别 上
此项目使用的是著名的celebA(CelebFaces Attribute)数据集。其包含10,177个名人身份的202,599张人脸图片,每张图片都做好了特征标记,包含人脸bbox标注框、5个人脸特征点坐标以及40个属性标记,数据由香港中文大学开放提供(不包含商业用途的使用)。
|
机器学习/深度学习 PyTorch 算法框架/工具
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)01 手写字体识别
生成对抗网络(GAN)是一种用于生成新的照片,文本或音频的模型。它由两部分组成:生成器和判别器。生成器的作用是生成新的样本,而判别器的作用是识别这些样本是真实的还是假的。两个模型相互博弈,通过不断调整自己的参数来提高自己的能力。生成器希望判别器错误地认为其生成的样本是真实的,而判别器希望能正确地识别生成器生成的样本是假的。最终,生成器会学到如何生成逼真的样本,而判别器会学到如何区分真假样本。

热门文章

最新文章

下一篇
无影云桌面