软硬件环境

• ubuntu 18.04 64bit
• NVidia GTX 1070Ti
• anaconda with python 3.7
• CUDA 10.1
• cuDNN 7.6
• pytorch 1.8

python和gpu环境

这个就不多讲了，没装好的，可以参考下面的链接

• anaconda基本使用
• ubuntu安装CUDA和cuDNN

编译步骤

安装基础依赖

conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses

由于要使用gpu，所以还需要安装LAPACK支持，根据CUDA版本安装对应的软件包

# Add LAPACK support for the GPU if needed
conda install -c pytorch magma-cuda101  # or [ magma-cuda101 | magma-cuda100 | magma-cuda92 ] depending on your cuda version

接下来就可以开始克隆代码了

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
# if you are updating an existing checkout
git submodule sync
git submodule update --init --recursive

准备工作完成后，就可以开始编译了

export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
python setup.py install

CMAKE_PREFIX_PATH其实就是anaconda的安装目录，如我这里的/home/xugaoxiang/anaconda3

编译的时候较长，耐心等待就好

测试

重新开一个terminal进行测试

(base) xugaoxiang@1070Ti:~$ ipython
Python 3.7.6 (default, Jan  8 2020, 19:59:22)
Type 'copyright', 'credits' or 'license' for more information
IPython 7.19.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import torch

In [2]: torch.__version__
Out[2]: '1.8.0a0+46d846f'

In [3]: torch.cuda.is_available()
Out[3]: True

In [4]:

说明pytorch已经安装到了anaconda的环境中，而且是gpu的版本，搞定！

整个编译过程还是非常顺利的，之前我们编译过opencv、tensorflow、caffe，跟他们相比，pytorch在依赖关系的处理上做的非常好，以子项目的形式纳入到自己的工程当中，整个编译过程没出现过报错，文档也是写的简单明了，难怪它的市占率会越来越高。