使用anaconda安裝pytorch+PySyft(適用於linux和windows環境)
阿新 • • 發佈:2021-01-10
由於最近看的一個FL示例程式碼使用的PySyft,按照網上教程草草地安裝了一個,但是版本太高了,一些支援的方法都沒有了,所以只好指定版本安裝
步驟:
- 建立conda的虛擬環境,指定python版本為3.7
- 進入虛擬環境,安裝pytorch(GPU / CPU版本)
- 安裝PySyft(0.2.4版本)
- 重新安裝PySyft的依賴
1.建立conda的虛擬環境,指定python版本為3.7
可以直接進入Anaconda裡面建立環境
或 進入conda prompt,輸入指令
conda create -n syftpy python=3.7 --yes
2.進入虛擬環境,安裝pytorch(GPU / CPU版本)
在conda prompt 進入剛才建立的虛擬環境,安裝適合你cuda版本的pytorch,我們安裝1.4的版本(因為PySyft0.2.4要求Torch版本為1.4)
可以輸入以下指令檢視你的cuda版本:
nvcc --version
更新conda的下載源
# 新增清華源的pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
可進入 該網頁 檢視pytorch下載命令,我們需要下載1.4的版本,可參考使用以下命令
conda activate syftpy # 進入虛擬環境
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch
# 下載cuda(10.1)版本pytorch
# conda install pytorch==1.4.0 torchvision==0.5.0 -c pytorch #下載CPU版本pytorch
3.安裝PySyft(0.2.4版本)
pip3 install syft==0.2.4 --no-dependencies
4.重新安裝PySyft的依賴
# 安裝以下依賴
pip install lz4~=3.0.2 msgpack~=1.0.0 phe~=1.4.0 scipy~=1.4.1 syft-proto~=0.2.5.a1 tblib~=1.6.0 websocket-client~=0.57.0
pip install websockets~=8.1.0 zstd~=1.4.4.0 Flask~=1.1.1 tornado==4.5.3 flask-socketio~=4.2.1 lz4~=3.0.2 Pillow~=6.2.2
pip install requests~=2.22.0 numpy~=1.18.1
會報錯:
嗯,好大一堆錯,不過沒關係,糾正錯誤就行
安裝下面的依賴
pip install tblib~=1.6.0
雖然安裝成功,但是會報錯:
錯誤說明:Syft需要安裝的沒安裝,需要的低版本咱安裝成了高版本(這個不能賴我,這是torch在安裝的時候自動安裝的高版本依賴)
所以,按照紅色說明,把沒安裝的安裝:pip install xxx,這個xxx就和報錯需要安裝的一模一樣,直接貼上就行
高版本的解除安裝(pip uninstall xxx)再重新安裝指定版本
直到你安裝結束沒有紅色錯誤提示
執行下面的程式碼,測試你的PySyft是否可用:
import syft as sy
import torch
import sys
from torch.nn import Parameter
import torch.nn as nn
import torch.nn.functional as F
hook = sy.TorchHook(torch)
print(hook)
print(torch.tensor([1,2,3,4,5]))
x = torch.tensor([1,2,3,4,5])
print('x = ', x)
y = x+x
print('y = ', y)
bob = sy.VirtualWorker(hook, id='bob')
print('bob = ', bob)
x = torch.tensor([1,2,3,4,5])
y = torch.tensor([1,1,1,1,1])
#先展示下bob的objs
print('bob._objects = ', bob._objects)
x_ptr = x.send(bob)
y_ptr = y.send(bob)
print('bob._objects = ', bob._objects, 'after send')
print('x_ptr = ', x_ptr)
print('y_ptr = ', y_ptr)
print('x_ptr.location = ', x_ptr.location)
print('x_ptr.owner = ', x_ptr.owner)
z = x_ptr + y_ptr
print('z = ', z)
print('bob._objects = ', bob._objects, 'after add')
參考內容: