PyTorch 1.0 with CUDA 10.0 環境をWindowsで構築する方法｜infohub

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。

Contents

事前準備
PyTorchのインストールコマンド
PyTorchの環境作成
PyTorchの動作確認

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。