So bereitstellen Sie eine Pytorch -App auf Ubuntu

Die Bereitstellung einer Pytorch -Anwendung auf Ubuntu kann durch die folgenden Schritte durchgeführt werden:

1. Installieren Sie Python und Pip

Stellen Sie zunächst sicher, dass Python und PIP bereits in Ihrem System installiert sind. Sie können sie mit dem folgenden Befehl installieren:

 sudo APT -Update
sudo apt installieren python3 python3-pip

2. Erstellen Sie eine virtuelle Umgebung (optional)

Um Ihre Projektumgebung zu isolieren, wird empfohlen, eine virtuelle Umgebung zu schaffen:

 python3 -m venv myenv
Quelle myEnv/bin/aktivieren

3. Installieren Sie Pytorch

Wählen Sie den entsprechenden Befehl pytorch installation basierend auf Ihrer Hardwarekonfiguration (CPU oder GPU) aus. Auf der offiziellen Website von Pytorch finden Sie geeignete Installationsbefehle.

Installieren Sie die CPU -Version:

 PIP Installieren Sie Torch Torchvision Torchaudio

Installieren Sie die GPU -Version (NVIDIA GPU und CUDA sind erforderlich):

 PIP Installieren Sie Torch Torchvision Torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

Bitte wählen Sie die entsprechende URL gemäß Ihrer CUDA -Version aus. Wenn Sie beispielsweise CUDA 11.3 verwenden, verwenden Sie den obigen Befehl.

4. Installieren Sie andere Abhängigkeiten

Installieren Sie andere notwendige Python -Bibliotheken gemäß Ihren Bewerbungsanforderungen:

 PIP Installieren Sie Numpy Pandas Matplotlib

5. Schreiben Sie Ihre Pytorch -Anwendung

Erstellen Sie eine neue Python -Datei (z. B. App.py) und schreiben Sie Ihren Pytorch -Code.

 Taschenlampe importieren
taporch.nn als nn importieren
tarch.optim als optimal importieren

# Definieren Sie eine einfache Klasse für neuronale Netzwerke (Nn.Module):
    def __init __ (selbst):
        super (simimet, self) .__ init __ ()
        self.fc = nn.linear (784, 10)

    Def Forward (Selbst, x):
        x = x.view (-1, 784)
        x = self.fc (x)
        Rückkehr x

# Erstellen Sie ein Modellinstanzmodell = SimpleNet ()

# Definieren Sie die Verlustfunktion und das Optimiererkriterium = nn.crossentropylosloss ()
optimizer = optim.sgd (Modell.Parameters (), LR = 0,01)

# Beispieldaten (Teil des MNIST -Datensatzes)
Eingänge = Torch.Randn (64, 1, 28, 28)
Labels = Torch.Randint (0, 10, (64,))

# Vorwärtsverbreitungsausgänge = Modell (Eingänge)
Verlust = Kriterien (Ausgänge, Etiketten)

# Backpropagation und Optimierung optimizer.zero_grad ()
Verlust.Backward ()
optimizer.step ()

print (f'loss: <span>{LUST.ITEM ()} '</span> )

6. Führen Sie Ihre Bewerbung aus

Führen Sie Ihr Python -Skript im Terminal aus:

 Python App.py

7. In der Produktionsumgebung einsetzen (optional)

Wenn Sie Ihre Anwendung in einer Produktionsumgebung bereitstellen möchten, berücksichtigen Sie die folgenden Methoden:

Erstellen Sie eine Webanwendung mit Flask oder Django

Sie können Flask oder Django verwenden, um eine Webanwendung zu erstellen und das Pytorch -Modell in sie zu integrieren.

Containerisierung mit Docker

Die Verwendung von Docker kann Ihre Anwendungen und ihre Abhängigkeiten einfach in einen Container verpacken, um eine einfache Bereitstellung und Skalierung zu erhalten.

 # Dockerfile erstellen
Aus Python: 3,9-Slim

WorkDir /App

Kopieren Anforderungen.txt Anforderungen.txt
PIP install install -r requires.txt ausführen

Kopie. .

CMD ["Python", "App.py"]

# Anforderungen.txt
Torch Torchvision Torchaudio
Flasche

Erstellen und führen Sie den Docker -Container aus:

 Docker Build -t My-Pytorch-App.
Docker Run -P 5000: 5000 My-Pytorch-App

In den oben genannten Schritten können Sie Ihre Pytorch -Anwendung erfolgreich auf Ubuntu einsetzen.

Das obige ist der detaillierte Inhalt vonSo bereitstellen Sie eine Pytorch -App auf Ubuntu. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!