如何在Ubuntu上运行PyTorch示例代码 - 问答

在Ubuntu上运行PyTorch示例代码，你需要先安装PyTorch库，然后编写或获取一个示例代码，最后运行这个代码。以下是详细步骤：

步骤1：安装PyTorch

打开终端 (快捷键 Ctrl + Alt + T)。
更新包列表：
```
sudo apt update
```
安装Python和pip（如果尚未安装）：
```
sudo apt install python3 python3-pip
```
安装PyTorch：
- 访问PyTorch官网：https://pytorch.org/get-started/locally/
- 根据你的系统配置选择合适的安装命令。例如，如果你使用的是CUDA 11.7，可以运行：
```
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
```
- 如果你不使用GPU，可以运行：
```
pip3 install torch torchvision torchaudio
```

步骤2：编写或获取示例代码

你可以从PyTorch官网的教程页面找到示例代码，或者自己编写一个简单的PyTorch程序。以下是一个简单的PyTorch示例代码：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义一个简单的神经网络
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(784, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = x.view(-1, 784)
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 创建网络实例
net = Net()

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 生成一些虚拟数据
inputs = torch.randn(64, 1, 28, 28)
labels = torch.randint(0, 10, (64,))

# 前向传播
outputs = net(inputs)
loss = criterion(outputs, labels)

# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()

print(f'Loss: {loss.item()}')

步骤3：运行示例代码

保存代码：将上述代码保存到一个文件中，例如 example.py。
运行代码：
```
python3 example.py
```

如果一切顺利，你应该会看到输出的损失值。

注意事项

确保你的系统满足PyTorch的安装要求，特别是CUDA版本（如果你打算使用GPU）。
如果遇到安装问题，可以参考PyTorch官方文档或社区论坛寻求帮助。
示例代码仅供参考，实际应用中可能需要根据具体需求进行调整。

通过以上步骤，你应该能够在Ubuntu上成功运行PyTorch示例代码。

0 赞

0 踩