Configuration de l'environnement pour PyTorch

Pour déveolpper des modèles d'apprentissage profond avec PyTorch, il est essentiel de configurer un environnement isolé et adapté. Ce guide détaille les étapes nécessaires.

Installation d'Anaconda

Anaconda est une distribution Python qui inclut le gestionnaire de paquets Conda, permettant de créer et gérer des environnements virtuels. Rendez-vous sur le site officiel d'Anaconda pour télécharger l'installateur correspondant à votre système d'exploitation. Suivez les instructions pour finaliser l'installation.

Création d'un environnement Conda

Une fois Anaconda installé, lancez l'Anaconda Prompt. L'environnement par défaut est base. Pour vérifier les paquets installés, utilisez la commande conda list.

Pour éviter les conflits entre les versions de bibliothèques requises par différents projets, créez un environnement dédié. Par exemple, pour un projet nécessitant Python 3.9 :

conda create -n mon_projet_dl python=3.9

Pour activer cet environnement, exécutez :

conda activate mon_projet_dl

Vérification de la compatibilité GPU

Si vous prévoyez d'utiliser l'accélération par GPU, identifiez votre carte graphique :

• Sur Windows, ouvrez le Gestionnaire des tâches, naviguez vers l'onglet "Performance" et sélectionnez "GPU".
• Alternativement, utilisez le Gestionnaire de périphériques et développez la section "Cartes graphiques".

Installation de PyTorch

Accédez au site web officiel de PyTorch pour générer la commande d'installation appropriée. Choisissez la version stable (Stable) et sélectionnez l'option correspondant à votre configuration :

• Si un GPU compatible est présent, optez pour la version CUDA.
• Sinon, sélectionnez la version CPU.

Exemple de commande pour installer PyTorch avec support CUDA 11.8 :

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

Exécutez cette commande dans votre environnement Conda activé.

Pour valider l'installation :

import torch
print(f"Version de PyTorch : {torch.__version__}")
print(f"GPU disponible : {torch.cuda.is_available()}")

Si torch.cuda.is_available() retourne True, le GPU est prêt à être utilisé.

Installation de PyCharm

PyCharm Community Edition est un IDE largement suffisant pour le développement avec PyTorch. Téléchargez-le depuis le site JetBrains et installez-le en suivant les étapes standard.

Configuraton d'un projet dans PyCharm

Lors de la création d'un nouveau projet dans PyCharm, sous l'option "Interpreter", sélectionnez l'interpréteur Conda associé à votre environnement créé précédemment. Le chemin typique est ~/.conda/envs/mon_projet_dl sur Linnux/macOS ou C:\Users\votre_nom\anaconda3\envs\mon_projet_dl sur Windows.

Pour tester la configuration, créez un fichier Python avec le contenu suivant :

import torch

def check_gpu_support():
    if torch.cuda.is_available():
        device_count = torch.cuda.device_count()
        print(f"{device_count} GPU(s) détecté(s).")
    else:
        print("Aucun GPU compatible trouvé.")

check_gpu_support()