电脑上有一个gpu能跑动深度学习吗
粉丝54获赞988
相关视频
03:06查看AI文稿AI文稿与深度学习高度相关的硬件是 gpu。 其实一开始，研究者们大都使用 cpu 进行神经网络的训练，但是如今这种方式被认为是很低效的， 仅仅在某些简单模型上仍采用 cpu 训练。早在二零一二年的 imagenet 比赛上， alex net 便使用了两块 gtx 五百八十 gpu 进行网络的并行训练，极大的提高了训练速度， 引起了研究者们对于 gpu 训练的关注。如今，在深度学习的模型训练上， gpu 取得了压倒性的优势，而在模型推理上， cpu 仍占有一席之地。为何在深度学习任务上， cpu 和 gpu 表现出了那么大的差异呢？最根本的原因还是两者硬件架构上的差， 差异如图一点二四所示。相较于 cpu， gpu 拥有很多的核心，比如中高端的 gpu 大概有几千个核心，但 cpu 的核心数仅有几十个甚至是几个。所以在相同时间内， gpu 能够完成比 cpu 更多的浮点运算， 这便是 gpu 更适合模型训练的原因之一。仅仅计算速度快还不够，因为很难达到理论峰值。计算单元需要从缓存或内存中获取所计算的对象。虽然缓存速度较快，但内存速度是比较慢的。 而神经网络算法通常涉及大量参数，激活值、梯度值，这些庞大的参数非常容易超出高速缓存，此时内存带宽就成为限制速度的重要瓶颈。相比 cpu， gpu 的另一个 优势是其拥有极高的内存代宽。举例来说，中高端的 gpu 拥有四百 gb 每秒至一 ts 的内存代宽，但同价位的 cpu 仅有三十 gb 每秒至一百 gb 每秒。那为何 cpu 不采用与 gpu 相似的硬件架构呢？这是因为两者应用场景不同。 cpu 是通用型处理器，需要处理各种不同的数据类型，同时拥有良好的逻辑判断能力，能够支持复杂的分支跳转和中断处理。 而 gpu 应用在图形处理上面对的是类型高度统一的大规模数据，不需要面对复杂的控制流，可以大幅缩减处理逻辑需要的单元，转而增加计算核心。所以与 cpu 擅长通用类型数据运算不同， gpu 擅长的是大规模并发技 算。通常神经网络的训练算法并不涉及大量的分支运算与复杂的控制指令，也就更适合在 gpu 上进行。 nvidia 的科大编程语言支持用户更加方便的控制 gpu， 所以 在配置深度学习环境时，安装柯达是重要步骤。随着深度学习的发展，相关的硬件也成为热门的研究问题。 除了 cpu 和 gpu 外，还推出了一些针对神经网络的专用硬件，如 tpu、 npu 和 vpu 等。
21小毛聊文娱历史
02:24查看AI文稿AI文稿你没有听错，实验室一块 gpu 都没有，这种情况下别说跑代码了，就是有想法都不能实现，你有遇到过比这还离谱的吗？ 今天我就给大家分享三个免费 gpu 的资源，如果你是才接触深度学习和机器学习，或者是学生党，想要跑通某个模型， 了解他的工作原理，那他绝对对你有帮助。开始之前我自己整理了人工智能的入门路线图分享给大家，里面包含工具的使用，数学基础、机器学习、深度学习等等，并且里面的资料都是包含的，不论你是否有基础，都是完全适合的。通过这份路线图 直接带你从小白境界到大神。我把它放在了评论区，需要的可以自取。第一个，抠 love， 这个是谷歌建立的，相信很多人对他已经是比较了解了，他可以免费使用 gpu 十二个小时。配置环境很简单，已经安装了 tincerfo 配特框架了，它的配置大概是十五 g 的硬盘，用来跑一些不是很大的机器学习和深度学习模型已经完全够了。当然它也是有一些缺点的，作为外网 肯定是需要翻墙才能使用的，并且训练的时候需要有人在超过两个小时没有使用 gpu 就可能会断线，就算是一直在训练也会断线不稳定。第二个，国内的阿里天池实验室，这个是阿里云提供的打比赛的平台， 如果之前没有注册过，是要先注册账号的，他会提供六十个小时的免费 g p u 使用。 c p u 是不限量，但是单次使用 g p u 最多只有八个小时，里面社区活跃度很高，数据级非常的丰富，唯一不足的就是使用时间比较短，只有六十个小 时。第三个，移动九天平台，这是移动推出及比赛数据训练于一体的平台， tenser， flow、 peter 框架都有，可以实现大部分的模型 里面有两百 g 的超大存储空间，可以免费上传数据集。刚开始有五百的算力斗，这个算力斗是用来进行计算的，签到邀请都可以增加训练时长。我的评价是扣蜡跑于阿里天池实验室，跑于移动九天平台。 这三款免费的 gpu 功能还不止于此，大家在使用的过程慢慢发掘。当然还有其他免费的 gpu 平台可以使用，比如卡狗、百度等等，大家有兴趣的自己去找找。今天分享到这就结束了，希望对你有所帮助，我们下期再见。
02:05查看AI文稿AI文稿今天带着兄弟们组装一台国产品牌的 gpu 服务器，价值二三八八八八的深度学习推理服务器啊！这次的用户啊，是来自于上海某高校的人工智能学院，要一台能上可扩展多卡双宽 gpu 的服务器，主要啊用作于深度学习的推理业务， 让我们二十万预算帮他出套配置方案。对了，这次的用户啊，特意强调了，一定要用国产品牌的服务器，那么我们必须满足用户呀，今天开启我们的快乐装机第十一办法，一起来组装这台国产品牌价值二三八八八八的深度学习推理服务器。 接下我们安排了国产品牌紫光旗下的新华三啊，自由的高度支持八块双宽 gpu 的新华三五三零零 g 三 gpu 服务器。前面吧，我们准备了两块四百八十 g 的固态硬盘做系统引导盘使用，还有两块二点四 tp 的极限硬盘做存储 cpu 我们选择了两块英特智强金牌五二幺八二 叠加四十核心八成线程，这个规格啊，够用了。 内存安排了六根六十四 gb 的 ddr 四 ecc 内存啊，一共三百八十四 gb， 为什么要这么事儿？深度学习的内存呢，一般是跟显存对应的配置，显存的两倍内存啊就可以了。 来到扩展区域，我们准备了两张金砖 a 一百八十 g 的计算卡，单张价值就八个 w， 因为运算的问题啊，用户决定先上两块 a 一百啊，然后再继续增加电源，准备了两块两千瓦的电源。好了，这台价值二三八八 八八的国产品牌服气啊，就组装完成了，老规矩啊，我们点亮它，感受国产品牌的咆哮力量。
1781IT绿灯侠
06:15查看AI文稿AI文稿大家好，今天要讲的内容是使用 gpu 加速模型训练。 相比使用 cpu 训练模型，使用 gpu 可以大大减少模型训练的时间，提升开发速度。在本节课中，我们将介绍如何基于拍 touch 框架使用 gpu 训练验证码识别模型。 一般来说，我们通常会使用英伟达显卡作为 gpu 的硬件基础， 我的笔记本中的显卡型号为 g force r t x， 四零六零训练一般的模型已经绰绰有余。另外，大家也可以使用 google collab 等云浮气环境中的 g p u 训练模型，使用起来也非常方便。 拍 touch 的 gpu 版本安装起来非常的简单，在拍 touch 官网中找到安装方法，这里选择安装环境为 windows， 安装方法为康大，语言为 python 等等。下方记为具体的安装命令。 在安装命令中，拍 touch 为深度学习框架， touch vigion 和 touch audio 分别用来处理计算机视觉任务和音频任务。拍 touch 扩大即为拍 touch 框架的 gpu 依赖。 具体操作如下，打开康大控制台， 使用 kona create 放进一个新的 python 环境，其中 python 版本选择三点十，然后切换到这个环境中。 由于原始的康大工具安装依赖比较慢，这里我们在新环境中先安装 manba 工具，然后使用 manba， 可以更快地对依赖进行解析，并提升包的安装速度。 完成 manba 的安装后，安装拍 touch 的 g p u 版本，安装命令从官网中复制后，将康达替换为 manba 就可以了。 完成安装后，测试拍套至 gpu 版本是否安装正确。首先 在新环境中输入 payson， 打开 payson 的控制台，然后输入 input touch x 等于 touch， 点 rend print x， 如果正常打印出张亮 x， 说明拍 touch 深度学习框架安装成功。 接着输入 touch 点儿，扩大点儿 is available， 如果返回出说明 gpu 可用。 输入 touch 点 cuda 点 get device name 零可以显示当前显卡的型号，这里显示显卡型号是英伟达 r t x 四零六零。 一般来说，将训练程序改造为 gpu 模式会包括三个重要的步骤。第一，定义设备，我们需要根据 gpu 的可用性定义一个设备对象。第二，移动模型到 gpu， 使用 model 等于 model 点 two device， 将模型移动到 gpu 上。 第三，移动数据到 gpu， 将训练过程中的数据和标签都移动到 gpu 上。 修改训练代码如下，我们使用代码对比工具一样的 compare， 分别打开 cpu 和 gpu 的训练代码， 左侧为之前的代码，右侧是修改后的代码，红色即为修改的代码。具体的修改如下，定义好吹漏的后 定义设备对象 device。 这里如果扩大可用则使用 gpu， 否则使用 cpu。 接着创建一个 cn model 模型对象并转移到 gpu 上。最后在循环迭代中将数据 data 和标签 level 移动到 gpu 上。 另外，这次使用 gpu 训练会使用一万个训练数据。为了更好的你和这些数据，我们将迭代轮数已 post 调整至五十次。 运行程序将 windows 的任务管理器打开，可以看到在使用 gpu 训练时， gpu 的使用率提升到百分之七十左右，而 cpu 不再占满这里只有百 之八。另外一万个训练数据一共训练五十轮，最后损失 loss 可以降至零。 对于测试程序，同样需要进行 gpu 模式的改造，具体的改造方法相同，修改前后的对比如下，包括三个位置的修改，分别是定义设备对象、 device 转移模型制 gpu 转移数据制 gpu 运行程序。可以看到，重新使用一万个样本训练的模型和正确率是零点九九，高于之前的零点九三三。为了更好的调试程序，可以将识别错误的样本展示出来， 这里的三个错误分别是将三识别为五，将五识别为三，将九识别为八。 那么到这里使用 gpu 加速模型训练就讲完了，感谢大家的观看，我们下节课再会。
220小黑黑讲AI
04:36查看AI文稿AI文稿你知道为什么深度学习、人工智的训练能都强力依赖 gpu 吗？今天我们一起探讨 gpu 为何适合用来深度学习神经网络训练的。五乘六、再乘七等于多少都是二百一十八乘三，再乘五等于多少都是幺二零 七乘十二，再乘三等于多少都是二百五十二。 cpu 运行速度之快令人震惊，而 gpu 的速度接近但稍显逊色。矩阵 a 乘以矩阵 b 的结果是什么？ cpu， 你的回答是什么呢？显然， cpu 耗费了更多时间。正是因为 gpu 在执行矩阵乘法时极速，所以他们在神经网络中得以应用。但这背后的原因是什么？为何 cpu 在处理标量乘法上如此卓越？而在举 真乘法上， gpu 更胜一筹？有三大关键因素， gpu 具有更高的内存带宽，采用定型处理，且相对于 cpu， 其内存访问更快且更广泛。 我们将深入探索这三个关键因素。首先，这里是一个框架图示，我们有一块系统内存， 这是储存储器，储存了需要进行乘法的矩阵。我们配备了 cpu 和 gpu， 同时他们也有自己的内存，我暂时简称为内存，不做具体解释。我们来打个比方， cpu 犹如法拉利，而 gpu 则像货车。第一种情况进行标量乘法。 cpu 可以通过读取操作从内存中获取数据。我们能够获取的数据量很小，但他已经足够，几次读取操作即可获得浮点数。 这些读取过程快的像法拉利。相较之下， gpu 的读取操作可以传输更大数据量，但并为专为速度而优化。因此他们就如同火车，处理小数据快时可能会花费更长时间。 这也解释了为何在标量乘法中， gpu 的效率可能不如 cpu。 第二种情况当成两个大举证实， cpu 拥有超快的读取功能，但每次仅能传输极少的数据，因此他可能需要上千次的读取操作来获取全部数据。当一次数据正在读取时， cpu 内存就进行处理，并为下一次输入做好准备。而在这方面， gpu 表现的更为出色。 每次我们可以从 ram 读取大量数据到 gpu 内存，因此 gpu 不必执行那么多次操作。更 专业的说， gpu 的内存带宽超过了 cpu。 内存带宽是指单次操作可以从内存中传输的数据量，这也是 gpu 在大矩阵乘法上相较于 cpu 更有优势的主要因素之一。 但是，尽管我们获取了众多数据， gpu 处理器有时还是会闲置，他们运行的太快，而数据传输比如货车却较慢。因此，我们可以同时运行多个传输通道，而非仅有一个。这样， gpu 处理器无需等待，它始终有数据进行处理。 这种使用多个传输通道的思路极为并行化，结合高内存带宽和并行处理，可最大化的减少 gpu 的等待时间。首先，我们迅速的获取了海量数据，然而， gpu 所提供的不止如此，它还有更高 高速的内存。我之前对内存这一术语的描述或许有些笼统，但我实际上指的是缓存和寄存器。虽然 gpu 也有相似的结构，但其 l 一和 l 二缓存相对于 cpu 的 l 一和 l 二缓存来说体积更小。体积越小，访问的速度就越快。 此外， gpu 中的高效处理器拥有大量寄存器，他们的运行速度极快。事实上，与 cpu 相比， gpu 具有多达上千倍的寄存器资源， 因此，这些内存优化功能共同使计算速度飞快。正因为这三方面的综合优势，使得 gpu 在进行矩阵乘法时，特别是大矩阵比 cpu 更有优势。高速的乘法计算意味着我们在深度学习的操作中也能实现更高的效率，真的很酷。但如何才能 作为开发者充分利用 gtu 的能力呢？这正是 cuda 发挥作用的地方。从开发者的视角看， cuda 提供了一套 api， 是我们能够直接操作 gtu 的组件，如高效处理器、缓存和寄存器。 尽管 coda 已经提供了非常友好的高级抽象，但像拍拖这样的深度学习框架进一步简化了操作。如此，我们甚至不必深入了解 gpu 的内部结构。
2218Eve的科学频道
00:46查看AI文稿AI文稿为什么深度学习需要使用 gpugpu 的优势在于病情预算，大部分的深度学习都是矩阵预算，面对大量计算的时候， gpu 多和更适合预算。拿一个很形象的比喻， cpu 就好比一位高中生，五分钟就能做出一道几何题，但是要让他五分钟做一千道简单的加法题可能会做不晚。而 gpu 就好比一百位小学生， 虽然会的东西不及高中生，但是让他们在五分钟内合力完成一千道简单的加法题还是绰绰有余的。虽然 cpu 上每个单元性能高，但面对大量计算时， gpu 在完成一批矩阵预算，预算的数量高，从而大大提高预算速度。所以总体下来还是 gpu 适合。
14咨钛服务器硬件
04:00查看AI文稿AI文稿国产 gpu 有必要，但不是让你买回家打游戏用的。普通用户对显卡的需求无非是打游戏或者渲染视频。然而除此之外，在眼下的科技行业， gpu 正显得越来越重要。相较于 cpu， gpu 拥有更多计算单元，这让它适合用于数字货币挖矿， 也更适合用于人工智能深度学习。由于 ai 的深度学习都要跑海量数据，所以 gpu 往往比一般 cpu 更有效率。像当下的大风口自动驾驶就离不开深度学习在图像识别领域的应用。 如果说自动驾驶是智能汽车行业的基建，那 gpu 就是这个基建的基建。其他领域里，从普通人生活中的人脸识别、智能音箱，到夏威气的二法稿大片里的演员换脸，也都需要 ai 通过 gpu 进行深度学习。 gpu 扛把子，因为打 的财报就显示，他们增长最迅猛的业务当属数据中心。二零二一年全年收入六十七亿美元，同比增长高达百分之一百二十四。这项业务的核心意见基础之一就是 a 系列服务器。 这个数据中心其实就是因为拿提供算例帮助企业进行 ai 训练的。从公开资料中可以看到，提高微信搜一搜的搜索效率、 部署智能交通预警平台、医疗领域的基因测序等等，都是由英伟达的 gpu 来提供算例支持的。特别是自动驾驶领域，英伟达也处于领先地位。自动驾驶算法公司可以用英伟达的 gpu 进行研发加速整车，企业则可以直接购买内置 gpu 的英伟达自动驾驶芯片。 老黄这次又迎麻了，目前人工智能行业可以说是方心未艾，如果在重要行业的基础设施上过分 依赖外国芯片公司，大概并不是一件值得过分称道的事情。毕竟类似断供后门这样的负面词汇我们听过了太多。总而言之，在未来充满太多不确定性的情况下，中国的 gpu 创业潮难度虽大，但还是非常有必要的。 而跟过去二十年一直说的国产 cpu 相比，国产 gpu 除了有必要，还有可能。其实早在一九九四年，当时联想的总公倪光男提出要造国产 cpu， 开始 方舟、吴清、申威、飞腾等公司香气开展研究。而他们遇到的最困难的问题之一，就是达不到叉八六架构的指令级授权。大家常用的电脑程序都使用英特尔叉八六架构的指令器， 没有他，国产 cpu 就不能运行这些程序，即使能运行，效率也低。打个简单的地方，指令级就好比惩罚口诀， 平头儿有这本乘法口诀的版权，不让其他企业使用，没有口诀算个五乘七都要掰手指头算半天，更何况 cpu 算的是六千三百七十八乘以一百二十二点六。但事情在 gpu 上发生了变化， 一方面，与 cpu 基本被查八六架构统治不同， gpu 出创公司可以拿到一些国外芯片设计公司的公版架构设计江湖传闻车，一轮国产 gpu 创业潮就与拥有中资背景的英国芯片设计公司以 majorneshan 放开授权拥有一定联系， 这家公司手上有相当多成熟的 gpu 设计方案。另一方面，做 gpu 对指令级的依赖稍小，而相对较为重要的 api 接口方面，国内公司是比较轻松可以获取的 api 接口可以起到连接应用程序和显卡驱动的桥梁作用。所以从拿到入场券的角度来看， gpu po 确实比 cpu 要容易一些。除了入场券，国产 gpu 的可能性还体现在核心结构上。刚才说过， gpu 具有大吞吐并行计算方面的优势，但相对的，它远不如能理解上万指令的 cpu 聪明，通常只能理解十几种指令种类。 这就意味着，相比有着更多控制单元、缓存单元以及更复杂的计算单元的 cpu， cpu 的控制和 缓存单元更少。整个 gpu 核心大约百分之九十都来自树木，巨大的计算单元组成，设计难度相对较低。说到这儿，国展 gpu 有必要有可能，但同时也有很大难度。 gpu 是典型入门容易毕业难的行业。
2490X科技实验室
01:27查看AI文稿AI文稿今天帮老师装了一台 gpu 服务器，双卡的四零九零，前面是上八个硬盘的，我们看一下 page 八三三六 c 的吧。八三三六 c 两颗， 然后内存是插满了十六条两个四零九零，涡轮的，可能涡轮的散热好一点，可以选个涡轮的， 电源是两千瓦的。看一下八三三六 c 阿扎三六 c 二二十二盒的，然后看一下硬塔，硬塔是我自己的 两个四零九， 现在在做 cpu 测试，因为 gpu 已经测过了， cpu 在七十度左右差不多。 内存是多大的，看一下内存，内存是两百五十六 g。
01:19查看AI文稿AI文稿学人工智能需要配置什么样的 gpu 呢？一般来说，学人工智能离不开深度学习，需要配置独立的斜卡，否则模型训练的时候 cpu 根本跑不动。有同学问我，电脑没有独立斜卡，能学吗？ 买一块显卡是不是要好多钱呢？其，其实啊，在学习阶段，你只需要去淘一块二手的显卡就够了， 比如 rtx 二零、八零、 ti， 或者说 itx 三零系列都可以。如果训练大点的模型，可以去网上租云服务器， 毕竟笔记本就算你配置很高的显卡，也会因为散热问题跑崩。所以，所以建议大家在学习阶段不要买太高端的显卡，等你工作了以后，单位会给你配置算力的，大家千万不要被网上的一些人忽悠，没有高端算力你就没法学人工智能，没有高端算力你就没法实操落地 项目。其实能用到高端算力的都是一些大项目，任何公司的大项目也不可能让一些培训生去练手。大家学习阶段把基本的算法原理搞懂，学会如何去设计算法，如何如何去构造 神经网络模型，如何去修改模型，如何调优。把这些基本的技能学会，并在一些实际的项目上进行实操和落地，这些基本的技能都不会，就算你有高端的算力，给你大项目或者大模型你也不会设计。
142AI编程李老师
01:26查看AI文稿AI文稿今天带兄弟们装一台深度学习服务器，这台服务器主要用于深度学习训练，现在带兄弟们一起组装 这台超威四零二九 gptrk， 支持两颗英特尔系列处理器，搭配两个志强金牌六二二六按十二核三十二线程二点九赫兹， 同时借助四块因为你的新一代图零架构的 gpu 加速器 q 的核的特性，相比 gpu 处理速度提升数十倍。内存我们给装了八个三十二 gb 内存，一共两百五十六 gb 内存，满足用户办公需求。 既然用于深度学习，我们搭配了八张 r t x 三零九零显卡，对于深度学习主要是用到 g p u 的单轻度和半轻度，采 采用独特的 gpu 散热设计，保障 gpu 有效散热不降频。使用 四百八十 bb satis 企业及硬盘两个两千瓦电源，允许在电源模块故障情况下系统不当机，这台机器就组装完了。兄弟们觉得这台机器怎么样呢？
41旭鑫集团
04:42查看AI文稿AI文稿拍 touch 的安装 g p u 版二，好，如果你库打安装好了，你接下来要去看一看库打是否安装成功，就可以在命令提示服里面在这里输入一个 m v c 杠 v， 哎，写错了啊，是杠 v 回车，那么此时它就会返回你当前安装的 quad 版本。诶，哦，是当前安装的 quad 版本呢，是十一点七，所以同学们，你要注意好了，你所能够支持的 quad 版本到底是多大，你就最多只能安装到 quad 十一点七这个版本， 你不要去安装酷打驱动软件，不要去安装十一点八，不要去安装啊，一定要安装他最多能够支持的，像老师这里最多能够支持的是十一点七，因此老师就安装了一个十一点七的版本的酷打软件。然后安装完之后，你通过 n v c c 啊，已经确定好了酷打安装成功了，那么接下来呢，你就可以直接 来安装库打了啊，就通过这个命令，现在我们已经确定了老师的库打是十一点七。好，你接下来就通过这个命令，可以直接来安装了，在这里呢，你放下来就可以来安装了。但是呢，由于这个软件非常大，我们刚才讲了安装的这个 torq 啊，他可能有一个多 g 啊，应该确定是有一个多 g。 如果你的网络但凡出现一点波动，这个地方他就你下载下载，下载，好不容易下载了五百多兆，七百多兆，哎，他就给你断掉了，因为网络有点波动，他就给你停掉了，那么怎么办呀？哎，其实这地方他给了你一个网址，同学们， 这个网址啊，你可以打开看一看，其实对应的就是 py torch 的服务器，那么在这里呢，它有很多关于 py torch 知识的软件，比如我们需要安装的 torch， 还有呢 torch audio， 还有呢 torch worship， 它都有，那么现在 你不就是要安装 touch 和 touch watching， 还有 audi 吗？那么你直接在这里来进行安装也是没有问题的。那么在这里一点开之后啊，我们刚才点击了 托起，我们先来安装托起啊，那么你到底应该安装哪一个版本的托起呢？你看前面这个托起二零，然后呢 cpu 什么什么的什么的什么的，你也不知道他到底代表什么含义啊？我们来分析一下，托起二点零零就代表你当前下载的托起版本是二点零零版本的， 然后呢，后面加上一个 cpu， 就代表你当前安装的是 cpu 版本的，然后呢，这个地方一个 cp， 不是说你要处一个 cp 啊，不是啊，这里的 cp 它表示的是 python 的版本，例如老师现在这个地方啊，我现在把这个删掉啊，不这样去安装， 老师在这里呢，默认使用的拍子呢，是三点七点九版本，所以你就去找到 cp 三点七点九这个版本，那么就是三七这个版本啊，你去找到这个版本就可以了， cp 三七这个版本就好了，哎，这个地方默认呢，比如这个，他表示 cp 三点十版本就是拍子三点十版本，然后呢操作系统是另一个操作系统的，那么显然这 一个文件并不是我们需要去安装的，我们要去安装拍摄三点七这个版本，所以呢，你通过 ctrl f 在这里呢，输入 c p 三七，就能够确立你当前拍摄的版本。好，我们将往下找找找，那你到底要安装哪一个版本呢？哎，你可以跟着老师一样的版本来进行安装啊，例如老师安装的呢？ 修一下，我们查看一下 top 的版本。老师安装的是一点一三点一这个版本， 在这里我们也不建议同学们安装最新的 touch 版本好不，建议安装和老师差不多的版本就行了，但是同学们，你千万不要去安装啊，后面特别老的一些版本，例如我们往下翻啊，一点五一这个版本你就不要建议去安装了啊。 那么在这里呢，老师安装的是一点一三这个版本，那么你可以去找一下关于一点一三这个版本啊，直接就是搜一点一三这个版本。好，在这里呢，传是一点一三这个版本啊，一点 一三点一，那么好，再加个点一，现在就确定好了。在这，现在你去找到 c p 三点七，是不是只有这两个是 c p 三点七啊？哎，但是我们发现他好像只有慢了，嗯，这是怎么搞的？这是因为他是 c p u 版本，他并没有写 g p u 啊。那么 g p u 版本在哪里啊？你往下翻，下面还有 下面还有，我们往下翻，在这个地方，你看它这块有图形啊，这个地方是 touch c u， 看到没有？这个才是扩大啊，我们要去安装扩大一一七，那么扩大一一七在这儿，所以你一开始也可以直接定位扩大幺幺七，就代表你现在安装的是扩大 幺幺七这个版本。而老师安装的版本呢，是幺幺三点一，那么就找到幺幺三点一，就这个地方，然后呢找到 python 三点七这个版本，那么 python 三点七满足和老师一样的版本呢？是不是只有他们俩了呀？你看 torch 一点一，三点一，并且他的扩大版本呢是幺幺七，并且他的 python 版 版本呢是三点七，对不对？然后呢有一个 linu 系统版本，有一个 window 系统版本，那么此时我们就去下载 windows 系统版本，你把它下载一下，点击一下它就可以来下载了，你看二二点，一个 g 非常大，如果你用命令提示符的形式直接去下载安装啊，它经常性的可能会中断两个 g 的内容啊，你可能要下一个小时，那么一个小时的过程中，你突然就网络中断了，就会导致你下载失败。 所以呢，建议同学们你直接把这个网址啊，在这个地方下载，或者直接到迅雷啊，或者用其他这些下载专门的下载软件把它下载一下，这样的话下载速度就非常快了啊，关注我，学习计算机知识。
315计算机李老师
