使用的是 CPU 版本的 PyTorch，如何将 LAPACK 库链接到 PyTorch 中

如果你使用的是 CPU 版本的 PyTorch，可以通过设置环境变量 `MKL_THREADING_LAYER=GNU` 来启用 LAPACK 支持。具体的步骤如下：

1. 打开终端或命令行窗口，输入以下命令设置环境变量：

   export MKL_THREADING_LAYER=GNU

如果你使用的是 Windows 操作系统，可以使用以下命令：

   set MKL_THREADING_LAYER=GNU

2. 然后启动 Python，并导入 PyTorch 模块，检查 LAPACK 是否已经成功链接。你可以使用以下代码进行测试：

   import torch
   
   a = torch.randn(3, 3)
   b = torch.inverse(a)
   
   print(b)

如果 LAPACK 已经成功链接，上述代码将输出一个 3x3 的矩阵，表示矩阵 a 的逆矩阵。如果 LAPACK 没有成功链接，你将会看到类似于 `RuntimeError: inverse: LAPACK library not found in compilation` 的错误提示。

如果你希望每次启动 Python 都自动设置 `MKL_THREADING_LAYER` 环境变量，可以将上述命令添加到你的系统环境变量中。

相关问题

安装CPU版本pytorch

要安装CPU版本的PyTorch，您可以按照以下步骤进行操作：

1. 首先，确保您已经安装了Anaconda和PyCharm。如果还没有安装，请先安装它们。

2. 打开PyCharm，并创建一个新的Python项目。

3. 在PyCharm的终端中，输入以下命令来安装PyTorch的CPU版本：

pip install torch

这将会自动安装最新版本的PyTorch。

4. 安装完成后，您可以通过在PyCharm中编写Python代码来验证安装是否成功。可以尝试导入torch模块并打印其版本号，例如：

import torch
print(torch.__version__)

如果成功打印出PyTorch的版本号，则说明安装成功。

请注意，由于您的电脑是AMD锐龙的CPU和GPU，无法使用CUDA和CuDNN，因此只能安装CPU版本的PyTorch。如果您需要在本机上运行大型深度学习算法，您可能需要将其转移到服务器上运行。

希望这些信息对您有所帮助！

conda 安装cpu版本pytorch

要在conda环境中安装CPU版本的PyTorch，你可以按照以下步骤进行操作：

1. 首先，打开终端或命令提示符，并激活你要安装PyTorch的conda环境。你可以使用以下命令激活环境（假设环境名称为"myenv"）：

   conda activate myenv

2. 接下来，使用以下命令安装PyTorch的CPU版本：

   conda install pytorch cpuonly -c pytorch

这将从pytorch通道安装最新的CPU版本的PyTorch。

3. 安装过程可能需要一些时间，等待安装完成后，你就可以在conda环境中使用CPU版本的PyTorch了。

请注意，安装完成后，PyTorch将使用CPU而不是GPU进行计算。这对于那些没有GPU的系统或只想在CPU上运行的用户来说是非常有用的。