Установка PyTorch с GPU для Jupyter Notebook

Всем доброго времени суток! Не так давно мне посчастливилось настраивать использование GPU для Jupyter Notebook на Windows. К тому же в это была вовлечена библиотека PyTorch, что делает данное занятие весьма интересным (с точки зрения потери нервных клеток 🙂).

В данной статье я постараюсь помочь тем, кому также нужен Jupyter Notebook с PyTorch на GPU. Ну что ж, давайте начнем!

Прежде всего нам нужна Anaconda (змея для создания виртуального окружения). Возможно, вы увидите окно с регистрацией, но её проходить необязательно.

Обычно с Анакондой идет одна из последних версий Python, так что будте к этому готовы.

Затем нам понадобится Cuda Toolkit, и тут надо немного прояснить. При переходе на ссылку у нас будет последняя версия тула.

Однако, нам же нужен ещё и PyTorch! Смотрим здесь, какую версию Cuda поддерживает наша библиотека:

В архивах мы можем найти версию Cuda, которая будет работать с нашим PyTorch. Конечно, можно попробовать загрузить последнюю версию Cuda Toolkit, но предсказать результат здесь я, увы, не могу 😅.

Так, с Cuda разобрались, теперь нужно создать виртуальное окружение. Для этого в папке проекта (там, где находится ваш Notebook.ipybn) открываем терминал и пишем:
 

conda create --name conda_env

Вместо conda_env прокидываем свое название окружения (можно оставить и так 🙂).

ВАЖНО! Лучше открывать проект уже ПОСЛЕ установки Anaconda, иначе уже открытый терминал не увидит команду conda.

Активируем наше новое окружение:
 

conda activate conda_env

И устанавливаем IPykernel:
 

conda install ipykernel

Далее добавляем user'а:
 

ipython kernel install --user --name="conda_env"

Итак, мы на финишной прямой!

Теперь можно установить PyTorch. Выбираем понравившуюся нам версию Cuda и следуем инструкции по установке.
ОБРАТИТЕ ВНИМАНИЕ! Установка через conda НЕ ПОДДЕРЖИВАЕТСЯ!

Поэтому будем ставить через pip:

Возможно, это не есть хорошо, но в результате всё заработало 🙂.

Проверяем, что наш текущий интерпретатор - интерпретатор нашего окружения:
 

import sys
print(sys.executable)

А затем проверяем, доступна ли нам наша GPU:
 

import torch
torch.cuda.is_available()

Выполнение данной команды должно вернуть True.

Вот и весь гайд! Надеюсь, с его помощью вы смогли завести свой Jupyter Notebook с GPU и тренируете свои нейронные сети на космических скоростях графических процессоров =).