Читать книгу PyTorch für Deep Learning - Ian Pointer - Страница 34

Obwohl PyTorch durchaus auf einer CPU ausgeführt werden kann, ist für den praktischen Gebrauch in den meisten Fällen der Einsatz einer GPU erforderlich. Dementsprechend benötigt PyTorch eine GPU-Unterstützung. Dies lässt sich ziemlich einfach umsetzen – vorausgesetzt, Sie haben eine NVIDIA-Karte. Die GPU-Unterstützung wird von deren CUDA-Schnittstelle (Compute Unified Device Architecture) zur Verfügung gestellt. Laden Sie für Ihre Linux-Variante das passende Paketformat herunter (https://oreil.ly/Gx_q2) und installieren Sie das Paket.

Für Red Hat Enterprise Linux (RHEL) 7:

sudo rpm -i cuda-repo-rhel7-10-0local-10.0.130-410.48-1.0-1.x86_64.rpm

sudo yum clean all

sudo yum install cuda

Für Ubuntu 18.04:

sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb

sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub

sudo apt-get update

sudo apt-get install cuda