Слияние кода завершено, страница обновится автоматически
Since [v 1.8.0, PyTorch имеет официально предоставленные] колёса для aarch64. Этот проект выполнил свою миссию.
[![Build Status][50]][51] [![ver][59]][16] [![Coverage][43]][16]
Колёса и образы Docker для aarch64 / ARMv8 / ARM64 устройств:
中文版 ([для Gitee][31]) | [GitHub][32] | [Web][33] | [TF][55]
conda install -c kumatea pytorch
Возможно, потребуется установить numpy:
conda install -c kumatea pytorch numpy
cpuonly в официальном руководстве по установке не требуется, но поддерживается:
conda install -c kumatea pytorch numpy cpuonly
Не рекомендуется использовать pip для установки из этого источника. Вместо этого установите из официального индекса PyPI:
pip install torch
pip install torch -f https://torch.kmtea.eu/whl/stable.html
При необходимости добавьте пакеты torchvision, torchaudio, torchtext, torchcsprng и другие.
Рассмотрите возможность использования готовых колёс для ускорения установки:
pip install torch -f https://torch.kmtea.eu/whl/stable.html -f https://ext.kmtea.eu/whl/stable.html
(Для пользователей в Китае, пожалуйста, используйте CDN (README_zh.md#安装))
Чтобы выбрать файлы whl вручную, пожалуйста, ознакомьтесь с [релизами][16].
docker run -it kumatea/pytorch
Для извлечения образа выполните команду docker pull kumatea/pytorch.
Чтобы проверить все доступные теги, [нажмите здесь][34].
FastAI — это отличный открытый фреймворк глубокого обучения на основе PyTorch.
conda install -c fastai -c kumatea fastai
Аналогично, fastbook можно установить следующим образом:
conda install -c fastai -c kumatea fastbook
pip install fastai -f https://torch.kmtea.eu/whl/stable.html
Пакеты torch и torchvision будут установлены автоматически как зависимости.
torch |
torchvision |
torchaudio |
torchtext |
torchcsprng |
Статус | python |
|---|---|---|---|---|---|---|
master nightly
|
master nightly
|
master nightly
|
master nightly
|
master nightly
|
>=3.6 |
|
1.10.0 |
0.11.1 0.11.0
|
0.10.0 |
0.11.0 |
[![passing][2]][56] | >=3.6 |
|
1.9.1 |
0.10.1 |
0.9.1 |
0.10.1 |
>=3.6 |
||
1.9.0[i]
|
0.10.0 |
0.9.0 |
0.10.0 |
[![passing][2]][52] | >=3.6 |
|
1.8.1 |
0.9.1[i]
|
0.8.1 |
0.9.1 |
0.2.1 |
[![passing][2]][48] | >=3.6 |
1.8.0[i]
|
0.9.0 |
0.8.0 |
0.9.0 |
0.2.0 |
[![passing][2]][46] | >=3.6 |
1.7.1 |
0.8.2 |
0.7.2 |
0.8.1 |
0.1.4 |
[![passing][2]][18] | >=3.6 |
1.7.0 |
0.8.10.8.0
|
0.7.0 |
0.8.0 |
0.1.3 |
[![passing][2]][12] | >=3.6 |
1.6.0[i]
|
0.7.0 |
0.6.0 |
0.7.0 |
0.1.20.1.10.1.0
|
[![passing][2]][10] | >=3.6 |
1.5.1 |
0.6.1 |
0.5.1 |
0.6.0 |
[![passing][2]][35] | >=3.5 |
|
1.5.0 |
0.6.0 |
0.5.0 |
0.6.0 |
[![passing][2]][36] | >=3.5 |
|
1.4.11.4.0
|
0.5.0 |
0.4.0 |
0.5.0 |
[![passing][2]][37] |
==2.7, >=3.5, <=3.8
|
|
1.3.1 |
0.4.2 |
==2.7, >=3.5, <=3.7
|
||||
1.3.0 |
0.4.1 |
==2.7, >=3.5, <=3.7
|
||||
1.2.0 |
0.4.0 |
==2.7, >=3.5, <=3.7
|
||||
1.1.0 |
0.3.0 |
==2.7, >=3.5, <=3.7
|
||||
<=1.0.1 |
0.2.2 |
==2.7, >=3.5, <=3.7
|
В большинстве случаев рекомендуется просто использовать официальные колёса, и они также будут установлены через pip по умолчанию, даже с -f. Колёса здесь скомпилированы из исходного кода на rpi 4b+, и предназначены для кодов, которые вылетали на официальных колёсах из-за использования некоторых неподдерживаемых инструкций. Используйте колёса torch здесь только в случае возникновения проблем, таких как #8 [53].
На момент фиксации этого изменения (v1.9.0) не было выпущено ни одной стабильной версии Python 3.10.0, Numpy 1.21.0 (который добавляет поддержку Python 3.10), или PyTorch 1.9.0 для Python 3.10. Если будет обнаружена какая-либо критическая проблема, я могу перестроить колесо после выпуска стабильных версий.
https://torch.kmtea.eu/whl/pfml.html, где pfml обозначает prefer-manylinux здесь. Колёса manylinux будут устанавливаться по умолчанию.При сборке PyTorch v1.6.0 была обнаружена фатальная ошибка, и этот патч был применён. Патч был позже объединён в основную ветку.
Если вы видите что-то подобное при импорте torch:
RuntimeError: модуль скомпилирован против API версии 0xe, но эта версия numpy — 0xd
Обновите версию numpy: pip install -U numpy.
Поскольку среда сборки (как указано ниже) не содержит графического процессора Nvidia, колёса не могут быть созданы с поддержкой cuda. Если вам это нужно, пожалуйста, используйте плату Nvidia Jetson для запуска кода сборки (build/torch.sh).
Хост: Raspberry Pi 4 Model B SoC: BCM2711 (четырёхъядерный A53) Архитектура: ARMv8 / ARM64 / aarch64 ОС: Debian Buster GCC: v8.3.0 Виртуализация: Docker
Дата тестирования: 2021-10-29 Скрипт: bench.py (test/bench.py)
Чем меньше время выполнения, тем лучше
| Платформа | Характеристики | Обучение | Прогнозирование | Версия |
|---|---|---|---|---|
| aarch64 | BCM2711 (4x Cortex-A72) | 1:48:44 | 11,506.080 мс | 1.10.0 3.9.7 |
| aarch64 | QUALCOMM Snapdragon 845 | Н/Д | 4,821.148 мс (24x) | 1.10.0 3.9.7 |
| amd64 | INTEL Core i5-6267U | 162.964 с | 140.680 мс (82x) | 1.10.0+cpu 3.9.7 |
| Google Colab | INTEL Xeon ??? NVIDIA Tesla K80 | 6.400 с | 70.714 мс (163x) | 1.10.0+cu113 3.7.12 |
| Kaggle | INTEL Xeon ??? NVIDIA Tesla P100 | 6.626 с | 33.878 мс (340x) | 1.10.0+cu113 3.7.10 |
Примечание:
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )