Deep Learningの世界では、TensorFlow+Kerasが有名ですが、PyTorchも急速にシェアを伸ばしてきています。ここでは、Windows 10に、CUDA 10.0を利用するPyTorchの環境を作成する方法を載せておきます。
有名どころのTensorFlowもPyTorchの影響を少なからず受けていると思われます。
TensorFlow 1.x系は実行速度や最適化に有利な「Define and Run」という方式を採用していますが、TensorFlow 2.0ではPyTorchなどが採用している「Define by Run」がデフォルトになっています。
事前準備
CUDA 10.0を使ってPyTorchを動かすためには、以下の環境が必要になります。
- Python 3.xシリーズ(今回はPython 3.6.8を使用。AnacondaなどでもOK)
- CUDA 10.0(導入方法は CUDA Toolkit 10 のインストール を参照)
PyTorchのインストールコマンド
PyTorchのサイトで利用環境を選択すれば、自動でインストールコマンドが表示されます。
今回は、Python 3.6.8を使ってpipコマンドで導入を行うため、以下のような構成にしています。(なお、本家ではAnacondaやMinicondaのCondaを奨めていますが、Condaは独自仕様だったりするので、今回はpipを使っています)

PyTorchの環境作成
コマンドプロンプトで以下のコマンドを実行し、PyTorchの環境を作成していきます。
今回は仮想環境をC:\venvs\pytorch
に作成して、PyTorchを導入しています。
rem 仮想環境を作成 python -m venv c:\venvs\pytorch rem 仮想環境を有効化 c:\venvs\pytorch\Scripts\activate.bat rem pipのアップデート(任意) python -m pip install --upgrade pip rem pipを使う場合は事前にnumpyをインストールする pip3 install numpy rem PyTorchのサイトで表示されたインストールコマンド pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.1-cp36-cp36m-win_amd64.whl pip3 install torchvision
これでPyTorchの環境作成が完了です。
導入されたパッケージは以下のようになります。
rem 導入されたパッケージ > pip list Package Version ----------- ----------- numpy 1.16.2 Pillow 6.0.0 pip 19.0.3 setuptools 40.6.2 six 1.12.0 torch 1.0.1 torchvision 0.2.2.post3
PyTorchの動作確認
PyTorchが正しく導入されているか、次のコマンドで確認できます。
rem PyTorchのバージョン確認 > python -c "import torch; print(torch.__version__)" 1.0.1 rem PyTorchの動作確認(公式サイトの内容) > python -c "from __future__ import print_function; import torch; x = torch.rand(5, 3); print(x)" tensor([[0.9439, 0.5208, 0.2050], [0.9770, 0.7954, 0.2221], [0.6932, 0.9077, 0.3789], [0.5988, 0.5163, 0.0185], [0.5057, 0.3690, 0.5125]]) rem CUDAが利用可能かどうかの確認(TrueならCUDAが利用可能) > python -c "import torch; print('CUDA:', torch.cuda.is_available())" CUDA: True
後は、Jupyter Labなど好きなパッケージを導入して利用してください。