PyTorch è un framework di sviluppo ben affermato nell’ambito del Machine Learning, soprattutto a livello accademico. In questo articolo vediamo come installare PyTorch in Windows e preparare un ambiente per sviluppare le nostre reti neurali.

Poichè il framework supporta l’utilizzo di GPU, vedremo anche come configurarlo in modo da poter sfruttare la potenza di calcolo parallelo della nostra scheda grafica.

Per cominciare è necessario usare un IDE di sviluppo che ci faciliti l’installazione dei pacchetti necessari. Scarichiamo Anaconda dal sito internet ufficiale ed eseguiamo l’installazione.

Una volta terminato il processo, dobbiamo capire se il nostro computer ha una GPU che può essere sfruttata per accelerare le performance. PyTorch usa la piattaforma CUDA targata NVIDIA.

Dal menu Start di Windows digita il comando Run e nella finestra che si apre lancia il seguente comando:

La finestra che si apre mostra tutti i dispositivi installati nel nostro computer.

Siamo interessati a capire il modello esatto della nostra scheda grafica, se ne abbiamo una installata. Cerca la voce Display Adapters e espandila. Se hai una scheda grafica NVIDIA controlla che il modello riportato sia compreso in questa lista.

Se la risposta allo step precedente è affermativa, proseguiamo scaricando CUDA dal sito di NVIDIA ed installandolo. In questo modo avremo il framework pronto per accelerare le reti neurali che andremo a creare con PyTorch.

A questo punto raggiungiamo il sito di PyTorch e selezioniamo la configurazione migliore per il nostro computer.

Se hai una scheda grafica, seleziona la configurazione Compute Platform CUDA. Se viceversa non hai una GPU dedicata, seleziona Compute Platform CPU.

Mantieni Conda come Package Manager.

Una volta terminate le varie selezioni, copia il comando che puoi trovare sotto la voce Run this command.

Dal menù di Windows eseguiamo Anaconda Navigator e successivamente lanciamo il CMD.exe Prompt.

Nella finestra che si apre, incolliamo il comando copiato poco fa ed eseguiamolo. Ciò farà partire l’installazione di PyTorch nel nostro ambiente.

Prima di concludere questo articolo, andiamo a verificare che il setup sia andato a buon fine. In particolare, sempre dal prompt utilizzato per eseguire l’installazione di PyTorch, lanciamo il comando python.

A questo punto, eseguiamo le seguenti istruzioni:

Ti consiglio di eseguire un comando alla volta.

Dopo aver importato la libreria di PyTorch nella prima riga, si stampa la versione installata. Successivamente verifichiamo se il supporto a CUDA è correttamente configurato.

Ovviamente se non hai una GPU dedicata, e quindi hai saltato i passi descritti nel paragrafo Setup dell’Ambiente di Sviluppo, otterrai in output il valore False. Viceversa otterrai True e al comando successivo potrai anche stampare la versione di CUDA attualmente presente.

PyTorch è un framework Python molto utilizzando nell’ambito dell’apprendimento automatico. In questo articolo abbiamo visto come installare PyTorch in Windows per partire con lo sviluppo delle tue reti neurali. Poichè PyTorch supporta l’uso di GPU, abbiamo anche descritto i passi necessari ad attivare questo supporto in modo da raggiungere le migliori performance computazionali che il nostro computer può offrire.