آموزش نصب pytorch پایتورچ – از صفر تا صد
کتابخانه «پایتورچ» (PyTorch) ابزاری متنباز در یادگیری ماشین است که بر پایه کتابخانه «تورچ» (Torch) توسعه یافته است. از کتابخانه پایتورچ در کاربردهای متنوعی از جمله بینایی ماشین و پردازش زبان طبیعی استفاده میشود. در واقع این کتابخانه نرمافزاری رایگان و متنباز بوده که تحت مجوز BSD و توسط گروه تحقیقاتی Research Lab شرکت فیسبوک منتشر شده است. در این مطلب بهطور کامل با مراحل نصب pytorch در انواع سیستم عاملها آشنا میشویم. کتابخانهای که هم از نظر راحتی استفاده و هم کارایی برای دانشمندان علم داده و مهندسان نرمافزار ایدهآل است.
در این مطلب ابتدا معرفی مختصری از کتابخانه pytorch ارائه میدهیم. سپس با پیشنیازهای pytorch آشنا شده و یاد میگیریم که چگونه بر روی سیستم عاملهای ویندوز، مک و لینوکس قابل نصب است. در انتها این مطلب از مجله فرادرس نیز با چگونگی نصب pytorch از طریق ابزار CUDA آشنا میشویم.
معرفی کتابخانه pytorch
پیش از توضیح مراحل نصب pytorch، ابتدا معرفی مختصری درباره این کتابخانه کاربردی خواهیم داشت. کتابخانه پیاتورچ بخش کوچکی از یک نرمافزار کامپیوتری است که بر پایه کتابخانه تورچ طراحی و توسط شرکت فیسبوک عرضه شده است. در حقیقت pytorch کتابخانهای مختص حوزه یادگیری ماشین و زبان برنامهنویسی پایتون است که در مسائلی همچون پردازش زبان طبیعی کاربرد دارد. به عنوان برخی از ویژگیهای مهم این کتابخانه میتوان به موارد زیر اشاره کرد:
- با کمک واحد پردازش گرافیکی یا GPU، امکان اجرا «محاسبات تنسور» (Tensor Computing) فراهم است.
- طراحی و ساخت شبکههای عصبی عمیق به سادگی انجام میشود.
هدف از توسعه کتابخانه پایتورچ را میتوان در پیادهسازی سریع و منعطف شبکهای عصبی عمیق خلاصه کرد. از آنجا که این کتابخانه ابزاری برای زبان برنامهنویسی پایتون به شمار میرود، به راحتی قابل درک بوده و مراحل نصب و اجرا سادهای نیز دارد. در حقیقت برخلاف دیگر کتابخانهها که با زبانهایی چون جاوا و ++C نوشته شدهاند، ساخت یک مدل شبکه عصبی در pytorch بسیار سریع انجام میشود.
آموزش کتابخانه های یادگیری ماشین با فرادرس
کتابخانههای یادگیری ماشین نقش کلیدی در توسعه هوش مصنوعی و پروژههای دادهمحور ایفا میکنند. از همینرو PyTorch به عنوان کتابخانهای قدرتمند در مسائلی همچون پردازش تصویر، پردازش زبان طبیعی و تحلیل سریهای زمانی شناخته شده و ابزاری پرکاربرد برای متخصصان هوش مصنوعی به حساب میآید. زبان برنامهنویسی پایتون با ارائه مجموعهای غنی از ابزارها و کتابخانهها، محیطی ایدهآل برای مدلسازی و طراحی شبکههای عصبی عمیق فراهم کرده است. در این میان علاوهبر PyTorch، کتابخانههای دیگری مانند TensorFlow با پشتیبانی گوگل و Scikit-learn با رابط کاربری ساده و کارآمد، گزینههای مناسبی برای پروژههای مختلف یادگیری ماشین هستند.
اگر قصد دارید در پروژههای عملی یادگیری ماشین مشارکت کنید و خود را برای ورود به بازار کار آماده سازید، پلتفرم فرادرس مجموعهای از فیلمهای آموزشی جامع را تهیه و تولید کرده است که با مراجعه به لینکهای زیر میتوانید از آنها بهرهمند شوید:
- فیلم آموزش کتابخانههای پایتون برای یادگیری ماشین و یادگیری عمیق فرادرس
- فیلم آموزش برنامهنویسی یادگیری عمیق با کتابخانه TensorFlow 2 فرادرس
- فیلم آموزش کتابخانه scikit-learn در پایتون فرادرس
پیشنیازهای نصب pytorch
قبل از نصب pytorch ابتدا لازم است تا از پیشنیازهای آن بر روی سیستم کامپیوتری خود اطمینان حاصل کنید. این پیشنیازها عبارتاند از:
- ویندوز ۷ یا بالاتر، macOS نسخه ۱۰/۱۵ یا بالاتر، انواع توزیعهای لینوکس
- نسخه پایتون ۳/۶ یا بالاتر
- بسته نرمافزاری CUDA برای پشتیبانی از GPU (اختیاری)
حالا و پس از شرح پیشنیازها، در بخش بعد چگونگی نصب pytorch را یاد میگیریم.
آموزش نصب pytorch
بسته به نوع سیستم عامل، نصب pytorch ممکن است تفاوتهایی داشته باشد. در ادامه این بخش یاد میگیریم که چگونه کتابخانه پایتورچ را در سه سیستم عامل ویندوز، مک و لینوکس نصب کنیم. همچنین میتوانید برای آشنایی بیشتر با جنبه عملی استفاده از pytorch، فیلم آموزش بینایی ماشین با پایتورچ فرادرس را از طریق لینک زیر مشاهده کنید:
نصب pytorch در ویندوز
برای نصب pytorch در سیستم عامل ویندوز ابتدا لازم است زبان پایتون را نصب داشته باشید. برای اینکار میتوانید آخرین نسخه پایتون را از طریق سایت رسمی «+» دانلود کنید. پس از دانلود فایل نصبی و اجرا آن، مراحل زیر را به ترتیب دنبال کنید.
مرحله ۱
با استفاده از فرمان cdابتدا وارد پوشه python37و سپس Scriptsشوید.
مرحله ۲
نسخه مورد نیاز بسته نرمافزاری pipرا با کمک اجرا دستور easy_install.exeدر خط فرمان نصب کنید. پس از تکمیل پردازش کتابخانههای وابسته، بهطور خودکار وارد پوشه Scriptsمیشوید.
C:\Python35>cd Scripts C:\Python35\Scripts>easy_install.exe pip Searching for pip Best match: pip 8.1.1 Adding pip 8.1.1 to easy-install.pth file Installing pip3.5-script.py script to c:\python35\Scripts Installing pip3.5.exe script to c:\python35\Scripts Installing pip-script.py script to c:\python35\Scripts Installing pip.exe script to c:\python35\Scripts Installing pip3-script.py script to c:\python35\Scripts Installing pip3.exe script to c:\python35\Scripts Using c:\python35\lib\site-packages Processing dependencies for pip Finished processing dependencies for pip C:\Python35\Scripts>
مرحله ۳
قدم بعد باید نصب کتابخانه Numpy از طریق دستور pipباشد. به این منظور، دستور زیر را در خط فرمان اجرا کنید:
pip install numpy
اگر این کتابخانه را از قبل نصب داشته باشید با پیام Requirement already satisfied مواجه شده و در غیر اینصورت نصب Numpy تکمیل میشود. با وارد کردن دستور pip listمیتوانید کتابخانههای نصب شده را مشاهده کنید.
C:\Python35>cd Scripts C:\Python35\Scripts>easy install.exe pip Searching for pip Best match: pip 8.1.1 Adding pip 8.1.1 to easy-install.pth file Installing pip3.5-script.py script to c:\python35\Scripts Installing pip3.5.exe script to c:\python35\Scripts Installing pip-script.py script to c:\python35\Scripts Installing pip.exe script to c:\python35\Scripts Installing pip3-script.py script to c:\python35\Scripts Installing pip3.exe script to c:\python35\Scripts Using c:\python35\lib\site-packages Processing dependencies for pip Finished processing dependencies for pip C:\Python35\Scripts>pip list pip setuptools C:\Python35\Scripts>pip install numpy
پس از اتمام فرایند دانلود، پیام موفقیتآمیز بودن به شما نمایش داده میشود و به پوشه Scripts بازمیگردید.
مرحله ۴
در مرحله بعد باید کتابخانه دیگری را با عنوان Scipy و از طریق فرمان زیر نصب کنید:
pip install scipy
در ادامه، مراحل به صورت زیر خواهد بود.
Installing pip3-script.py script to c:\python35\Scripts Installing pip3.exe script to c:\python35\Scripts Using c:\python35\lib\site-packages Processing dependencies for pip Finished processing dependencies for pip C:\Python35\Scripts>pip list pip setuptools C:\Python35\Scripts>pip install numpy C:\Python35\Scripts>pip install scipy
نصب pytorch روی ویندوز مرحله ۴ بخش ۱ - «برای بزرگنمایی روی تصویر کلیک کنید».مانند مراحل قبل، پس از اتمام فرایند نصب به پوشه Scripts هدایت میشوید.
C:\Pycthon35\Scripts>pip list pip setuptools C:\Python35\Scripts>pip install numpy C:\Python35\Scripts>pip install scipy C:\Python35\Scripts>
مرحله ۵
سپس همه کتابخانههای مورد نیاز برای نصب pytorch را از طریق فرمان pip listبررسی کنید.
C:\Python35\Scripts>pip install scipy C:\Python35\Scripts>pip list numpy pip scipy setuptools C:\Pyohon35\Scripts>
مرحله ۶
حالا باید برای دریافت فرایند نصب pytorch به وبسایت «+» این کتابخانه مراجعه و بسته به نوع سیستم عامل و زبان، نسخه مورد نیاز را انتخاب کنید.
مرحله ۷
در مرحله بعد ابتدا کتابخانه torch را از طریق دستور زیر نصب کنید (بسته به نوع سیستمعامل و پردازنده، متفاوت است):
pip3 install https://download.pytorch.org/whl/cpu/torch-1.1.0-cp35-cp35m-win_amd64.whl
که مراحل در ادامه آورده شده است.
C:\Python35\Scripts>pip list numpy pip scipy setuptools C:\Python35\Scripts>pip3 install https://download.pytorch.org/whl/cpu/torch-1.1.0-cp35-cp35m-win_amd64.whl C:\Python35\Scripts>
و سپس کتابخانه torchvision را با اجرا دستور زیر نصب کنید:
pip3 install https://download.pytorch.org/whl/cpu/torchvision-0.3.0-cp35-cp35m-win_amd64.whl
مراحل در ادامه به صورت زیر خواهد بود.
C:\Python35\Scripts>pip3 install https://download.pytorch.org/whl/cpu/torchvision-0.3.0-cp35-cp35m-win_amd64.whl C:\Python35\Scripts>
مرحله ۸
مجدد دستور pip listرا اجرا کنید تا از نصب pytorch مطمئن شوید.
C:\Python35\Scripts>pip list numpy Pillow pip scipy setuptools six torch torchvision C:\Python35\Scripts>
مرحله ۹
در آخر با اجرا فرمان pythonدر خط فرمان و بارگذاری کتابخانه torch، میتوانید متغیری با فرمت tensor ساخته و شاهد نتیجه در خروجی باشید.
C:\Users>python >>> import torch >>> x=torch.randn(3,9) >>> print(x) tensor([[ 0.1137, -0.2248, -0.7788, -0.2889, 1.1788, 1.6294, 1.4229, -0.2182, -0.4757], [ 1.0551, 0.7646, -1.3862, -0.1751, 0.0268, 0.2287, 0.0183, -1.3659, -0.1253], [ 0.3634, 0.4666, -0.9339, -0.9630, -0.6668, -2.3152, 0.9297, 1.3377, -1.9957]]) >>>
نصب pytorch در مک
برای نصب pytorch در سیستم عامل ، مانند مراحلی که در ادامه این بخش عنوان شده است عمل کنید.
مرحله ۱
در ابتدا و با اجرای فرمان زیر مطمئن شوید که نسخه ۳ پایتون بر روی سیستم شما نصب باشد:
python3 --version
اگر فرمان با موفقیت اجرا و نسخهای بالاتر از ۳/۹ در خروجی نمایش داده شود یعنی میتوانید به مرحله بعد بروید.
مرحله ۲
با اجرا دستور زیر از نصب بودن نسخه ۳ ابزار pip نیز اطمینان حاصل کنید:
pip3 --version
نمایان شدن شماره نسخه در محیط ترمینال به معنی نصب موفقیتآمیز ابزار pip است.
مرحله ۳
برای نصب آخرین نسخه پایدار pytorch دستور زیر را وارد کنید:
pip3 install torch torchvision torchaudio
که ادامه مراحل در تصویر زیر آورده شده است.
مرحله ۴
اجرا دستور زیر به شما نشان میدهد که آیا نصب pytorch با موفقیت انجام شده است یا خیر:
pip3 show torch
نمایش نسخه کتابخانه torch به این معنی است که به درستی نصب شده است.
در مطلب دیگری از مجله فرادرس به معرفی کامل کتابخانههای یادگیری عمیق از جمله pytorch پرداختهایم که میتوانید آن را از لینک زیر مطالعه کنید:
نصب pytorch در لینوکس
برای نصب pytorch در سیستم عامل لینوکس، ابتدا باید بسته نرمافزاری Anaconda را طبق مراحلی که در ادامه توضیح میدهیم نصب داشته باشید.
مرحله ۱
مجموعه ابزارهای Anaconda را میتوانید از طریق وبسایت رسمی آن «+» نصب کنید.
مرحله ۲
مطابق با تصویر زیر، آخرین نسخه پایتون را انتخاب و لینک مدنظر را با کلیک راست روی گزینه Download کپی کنید.
مرحله ۳
با قرار دادن لینک کپی شده در ادامه دستور wget، بسته نرمافزاری Anaconda روی سیستم عامل لینوکس نصب میشود.
دقت داشته باشید که مدت زمان مورد نیاز برای نصب Anaconda به سرعت اینترنت شما بستگی دارد.
مرحله ۴
برای اجرا فرایند نصب ابتدا باید وارد دایرکتوری Downloadsیا محل دانلود Anaconda شوید. در لینوکس نصب برنامهها با فایل «بَش» (Bash) انجام میشود. از همین جهت و برای نصب Anaconda نیز باید دستور bashرا پیش از اسم فایل با پسوند sh. قرار دهید.
با فشردن دکمه ENTER فرایند نصب آغاز شده و برای قبول شرایط و ضوابط باید عبارت yes را وارد کنید.
مرحله ۵
پس از وارد کردن yes و فشردن دکمه ENTER، فرایند نصب Anaconda شروع میشود. در ادامه، پس از نصب چند بسته نرمافزاری، پرسش دیگری را برای راهاندازی مشاهده میکنید:
مجدد عبارت yes را وارد کنید.
مرحله ۶
با اجرا دو دستور source ~/.bashrcو anaconda-navigatorبرای نصب pytorch آماده میشوید.
مرحله ۷
در این مرحله باید به وبسایت کتابخانه پایتورچ مراجعه کنید.
در اینجا امکان انتخاب سیستم عامل، بسته نرمافزاری، زبان برنامهنویسی و نوع بستر محاسباتی برای شما وجود دارد.
مرحله ۸
حالا باید دستوری که از وبسایت دریافت کردهاید را در محیط ترمینال اجرا کنید.
سرعت بهروزرسانی بستهها به سرعت اینترنت شما بستگی داشته اما پس از اتمام آن لازم است تا حرف y را به عنوان پاسخ وارد کنید.
در ادامه فرایند دانلود بستههایی همچون conda، cudatoolkit، pytorch و torch آغاز میشود.
مرحله ۹
پس از نصب pytorch، مانند فرایندی که در سیستم عامل ویندوز انجام دادیم، مجدد کتابخانه torch را بارگذاری کرده و با ساخت متغیری از نوع تنسور، عملکرد کتابخانه را مورد بررسی قرار میدهیم.
آموزش نصب pytorch با استفاده از CUDA
در صورتی که پردازنده گرافیکی یا GPU شما مدل NVIDIA بوده و میخواهید از pytroch استفاده کنید، به نصب CUDA نیاز خواهید داشت. بستری مناسب محاسبات موازی و مدل برنامهنویسی که توسط شرکت NVIDIA و برای انجام محاسبات با GPU توسعه یافته است. ابزار CUDA را میتوانید از طریق وبسایت NVIDIA «+» دانلود و نصب کنید.
پس از نصب CUDA به مرحله قبل بازگشته و دستور پیشنهادی را اجرا کنید.
با پیادهسازی قطعه کد زیر در محیط خط فرمان یا ترمینال میتوانید بررسی کنید که آیا درایور GPU و CUDA فعال بوده و در دسترس کتابخانه پایتورچ قرار دارند یا خیر:
python import torch torch.cuda.is_available()
امروزه زبان برنامهنویسی پایتون به عنوان یکی از اصلیترین ابزارها در حوزه هوش مصنوعی و یادگیری ماشین شناخته میشود. این زبان با کتابخانههای متنوع، انعطافپذیری بالا و جامعه کاربری گسترده، به انتخاب اول پژوهشگران این حوزه تبدیل شده است. یادگیری اصولی و کاربردی پایتون، دروازهای برای ورود به دنیای هیجانانگیز هوش مصنوعی است. برای کسب مهارت در این زمینه، از مفاهیم پایه تا تکنیکهای پیشرفته، مجموعه فیلمهای آموزش برنامهنویسی پایتون فرادرس که لینک آن در ادامه قرار گرفته است، میتواند راهنمای شما در این مسیر باشد:
این دورههای آموزشی با رویکردی عملی و پروژهمحور، شما را گام به گام با مفاهیم برنامهنویسی پایتون آشنا و برای چالشهای جهان حقیقی آماده میکنند.
جمعبندی
شاید در ابتدا نصب pytorch دشوار بهنظر برسد اما با دنبال کردن این آموزش میتوانید به راحتی آن را در مسائل مختلف بهکار بگیرید. در این مطلب از مجله فرادرس یاد گرفتیم که نصب پایتورچ نیازمند پیشنیازهایی است که باید رعایت شوند. پس از نصب موفقیتآمیز پایتورچ میتوان به ساخت و آموزش مدلهای یادگیری ماشین پرداخت. چه در حوزه یادگیری ماشین و چه توسعه نرمافزار فعالیت داشته باشید، کتابخانه پایتورچ در طراحی و پیادهسازی سریع و آسان مدلهای یادگیری ماشین به کمک شما خواهد آمد.