PyTorch 1.7.1 發布,支持 Python 3.9,更新 cuDNN,即將支持 30 系顯卡

2021-02-23 PyTorch深度學習

Bug fix release with updated binaries for Python 3.9 and cuDNN 8.0.5. Source：https://github.com/pytorch/pytorch/releases/tag/v1.7.1

PyTorch 1.7.1 Release Notes

New Features

Critical Fixes

Other Fixes

New FeaturesAdd Python 3.9 binaries for linux and macOS (#48133) and Windows (#48218)

NOTE: Conda installs for Python 3.9 will require the conda-forge channel, example:
conda install -y -c pytorch -c conda-forge pytorch.

Upgrade CUDA binaries to use cuDNN 8.0.5 (builder repo #571)

This upgrade fix regressions on Ampere cards introduced in cuDNN 8.0.4.
It will improve performance for 3090 RTX cards, and may improve performance in other RTX-30 series card.

Critical FixesPython 3.9

Use custom version of pybind11 to work around Python 3.9 issues (#48312)

Fix jit Python 3.9 parsing (#48744)

Fix cpp_extension to work with Python 3.9 (#48768)

Build

Fix cpp_extension to properly handle env variable on Windows (#48937)

Properly package libomp.dylib for macOS binaries (#48337)

Fix build for statically linked OpenBLAS on aarch64 (#48819)

Misc

torch.sqrt: fix wrong output values for very large complex input (#48216)

max_pool1d: fix for discontiguous inputs (#48219)

collect_env: fix detection of DEBUG flag (#48319)

collect_env: Fix to work when PyTorch is not installed (#48311)

Fix amp memory usage when running in no_grad() mode (#48936)

nn.ParameterList and nn.ParameterDict: Remove spurious warnings (#48215)

Tensor Expression fuser bugfixes (#48137)

Other Fixes

Tensor Expression fix for CUDA 11.0 (#48309)

torch.overrides: doc fix (#47843)

torch.max: Fix output type for Tensor subclasses (#47735)

torch.mul: Add support for boolean Tensors (#48310)

Add user friendly error when trying to compile from source with Python 2 (#48317)

相關焦點

  • Win10系統下Pytorch1.7 + tensorflow2.x +CUDA10.1 安裝與配置
    首先看一下軟體版本信息：CUDA10.1cuDNN7.6.5tensorflow2.2.0pytorch1.7python3.6.5VS2017在安裝之前請先確認一下，你的電腦上有獨立的N卡，沒有N就不用看了！有N卡的繼續往下看。
  • GPU部署,深度學習必備 (pytorch+tensorflow)
    1.先查看電腦顯卡所支持的CUDA版本cuda版本是向下兼容的！！（1）找到並且打開NVIDIA控制面板點擊滑鼠右鍵就能找到，或者右下角，長這樣CUDA版本是可以向下兼容的，並不一定要一一對應，比如，我電腦上看到的是CUDA 11.0，那可以下載驅動可以是安裝CUDA10，CUDA9等以下版本，而CUDA11以上版本就不支持了。根據環境需要，自行選擇下載。
  • 深度學習環境配置指南:Pytorch、TensorFlow、Keras
    基本環境（整個流程大約需要5分鐘甚至更少）py37或py38cuda11.0cudnn8.0.4tf2.5（tf-nightly）或 tf1.15.4pytorch1.7keras2.3create -n exp38 python==3.8conda activate exp38（4）安裝cuda11.0和pytorch1.7（不用再conda install cudatoolkit==11.0）
  • Ubuntu 18.04 深度學習環境配置指南:TensorFlow、Keras、PyTorch 簡易安裝
    /article/a3761b2b66fe141577f9aa51.html一開始安裝選擇"Install Ubuntu"回車後過一會兒屏幕如果顯示「輸入不支持」，這和Ubuntu對顯卡的支持有關，在安裝主界面的F6，選擇nomodeset，就可以進入下一步安裝了。
  • RTX 3090 的深度學習環境配置指南:Pytorch、TensorFlow、Keras
    基本環境（整個流程大約需要5分鐘甚至更少）py37或py38cuda11.0cudnn8.0.4tf2.5（tf-nightly）或 tf1.15.4pytorch1.7keras2.3create -n exp38 python==3.8conda activate exp38（4）安裝cuda11.0和pytorch1.7（不用再conda install cudatoolkit==11.0）
  • PyTorch 1.10正式版上線:Android NNAPI支持來了
    由於 PyTorch 定義網絡結構簡單等特點，自發布以來便受到眾多研究人的青睞。經過研究者的不斷努力，現在， PyTorch 更新到 PyTorch 1.10 版本。此版本由 1.9 版本以來的 3,400 多次 commits 組成，由 426 位貢獻者完成。 此次PyTorch 1.10 的更新側重於改進 PyTorch 的訓練和性能以及開發人員的可用性。
  • 深度學習GPU環境Ubuntu16.04+GTX1080+CUDA9+cuDNN7+TensorFlow1.6環境配置
    + cuDNN 7.1 + TensorFlow 1.6。接下來我們驗證下 python3、pip3 命令是否都來自 Anaconda，命令如下：pip3 -Vpip 9.0.1 from /usr/local/anaconda3/lib/python3.6/site-packages (python 3.6)which python3/usr/local/anaconda3/bin/python3python3Python
  • RTX 3090的深度學習環境配置指南:Pytorch、TensorFlow、Keras
    基本環境（整個流程大約需要5分鐘甚至更少）py37或py38cuda11.0cudnn8.0.4tf2.5（tf-nightly）或 tf1.15.4pytorch1.7keras2.3創建虛擬環境，一般用py37或py38（以下都在虛擬環境中操作）conda create -n exp38 python==3.8conda activate exp38（4）安裝cuda11.0和pytorch1.7
  • Anaconda3+CUDA10.1+CUDNN7.6+TensorFlow2.6安裝(Ubuntu16)
    LTS系統上搭建TensorFlow2開發環境的過程，用於將來重裝時的參考硬體是2018年購買的惠普暗隱精靈3代，顯卡GTX1060，已經安裝了Ubuntu16 LTS桌面版查看驅動信息，如下圖，可見CUDA版本是10.1版本匹配去tensorflow官網查看版本匹配關係，地址：https://tensorflow.google.cn/install/source如下圖，在我的電腦上有三個合適的版本
  • NumPy 1.20.0 版本發布,支持Python 3.7+
    NumPy 官方表示，NumPy v1.20 是迄今為止規模最大的版本更新 ，共計 184 位開發者貢獻了約 684 條 PR，新增了類型注釋、滑動窗口視圖等功能。新版本支持 Python 3.7-3.9，但不支持 Python 3.6。
  • PyTorch 1.7發布:支持CUDA 11、Windows分布式訓練
    >這正說著，10月27日，PyTorch團隊發布了PyTorch 1.7，終於能支持CUDA 11了，可喜可賀（狗頭）。那麼，這次PyTorch 1.7又具體從哪些方面帶來了新的功能，這些功能又進展到哪一版本呢？接下來讓我們來快速盤點一下。前端API前端API共有3項更新，都是處於測試版狀態。
  • PyTorch 1.1來了!官方支持TensorBoard
    ] + 2*p["x2"] - 7)**2 + (2*p["x1"] + p["x2"] - 5)**2,     minimize=True,)best_parameters# returns {'x1': 1.02, 'x2': 2.97}; true min is (1, 3)發布 PyTorch1.1自
  • Linux雙系統安裝+cuda+cuDNN+pytorch
    /p/200278599所以目前還是更推薦直接使用ubuntu或者其它Linux系統，另外，Linux的wine也可以支持很多windows應用，例如微信等，所以也不會很不方便。之後常規選擇，可以選擇不要聯網，安裝完後再更新，一直到選擇「其它選項」，自己創建分區：EFI： 啟動項，200M即可（這裡要記住分區編號），下面的選擇啟動分區一定選擇這個，不能選錯SWAP：8GB左右/：ext4
  • Alluxio深度學習實戰-1:體驗在HDFS上運行PyTorch框架
    :1.4-cuda10.1-cudnn7-devel# pytorch/pytorch:1.4-cuda10.1-cudnn7-develADD mnist.py /CMD ["python", "/mnist.py"]2.準備測試代碼mnist.pycd pytorch-mnistvim mnist.py
  • 影馳30系顯卡已支持Resizable BAR,更新前你得知道這些
    影馳全系 RTX 30系列顯卡現已支持Resizable BAR功能，玩家可在影馳官網下載更新。1.
  • Python、CUDA、CUDNN 多版本共存採坑日記
    這就帶來了一個問題， tensorflow 需要 degrade 到 1.3.0 到 2.0 之間的版本，所以我想按照指示將其 degrade 到 1.15.0 ，查官網，發現 tensorflow 1.15.0 對應的 Python、CUDA 和 CUDNN 的版本對應的關係。
  • Pytorch 1.1.0駕到!小升級大變動,易用性更強,支持自定義RNN
    盼望已久，Pytorch終於更新了！Pytroch 1.1.0的發布除了修復了已有bug之外，最大的亮點就是可以更快、更好的支持自定義RNN，以及TensorBoard對可視化和模型調試提供了一流的本地支持。Pytorch 1.1.0，來了！
  • Pytorch 1.2.0 來了!
    官方在GitHub上發布更新文檔，詳細介紹了此次升級在JIT、ONNX、分布式、性能以及前端等方面的大量改進，一起來看看吧。今天，PyTorch官方正式發布 1.2.0 版本！此次升級有超過1900個commit，包括在JIT、ONNX、分布式、性能以及前端等方面的大量改進。
  • 使用pytorch構建2D和3D人臉比對庫(使用face-alignment)
    /test/assets/', all_faces=True)更多也可以查看examples文件夾安裝要求條件雖然不需要，為了獲得最佳性能（特別是對於檢測器），強烈建議您使用支持CUDA的GPU運行代碼。二進位Conda構建即將推出！源碼安裝安裝pytorch和pytorch依賴。