如何判断pytorch用的是OpenBLAS还是MKL

在默认情况下，PyTorch会使用MKL作为其后端线性代数库，但也可以通过安装OpenBLAS来替代MKL。如果你想要确定PyTorch当前使用的是哪个库，可以按照以下步骤：

1. 打开Python交互式环境

2. 导入PyTorch

   import torch

3. 执行以下代码

   print(torch.__config__.show())

4. 查看输出结果中的`BLAS`信息

如果输出结果中的`BLAS`信息中包含`MKL`字样，则表示PyTorch正在使用MKL作为其后端线性代数库。如果输出结果中的`BLAS`信息中包含`OPENBLAS`字样，则表示PyTorch正在使用OpenBLAS作为其后端线性代数库。

例如，输出结果中的`BLAS`信息可能如下所示：

   BLAS settings:
        ATLAS arch=xeon_64, LAPACK arch=xeon_64
        OpenBLAS/LAPACK: NO (notfound)
        MKL/ATLAS: YES/YES

在这种情况下，PyTorch使用的是MKL作为其后端线性代数库。

相关问题

判断pytorch是gpu版还是cpu版

可以通过以下代码判断PyTorch是GPU版还是CPU版：

import torch

if torch.cuda.is_available():
    print('PyTorch is running on GPU')
else:
    print('PyTorch is running on CPU')

如果输出结果为"PyTorch is running on GPU"，则表示PyTorch是GPU版；如果输出结果为"PyTorch is running on CPU"，则表示PyTorch是CPU版。

- pytorch 0.4.0* -> cudatoolkit 9.* - pytorch 0.4.0* -> mkl >=2018

### 回答1：
pytorch 0.4.0版本与cudatoolkit 9兼容。cudatoolkit是一个用于深度学习和科学计算的加速库，它提供了与NVIDIA GPU一起使用的工具和库。pytorch 0.4.0版本要求使用cudatoolkit 9或更高版本来发挥最佳性能。

另外，pytorch 0.4.0版本也要求使用mkl（Math Kernel Library）的2018或更高版本。mkl是针对数值计算优化的数学函数库，它提供高性能的数学函数和线性代数运算，可以加速深度学习算法的计算过程。

通过将pytorch 0.4.0与cudatoolkit 9和mkl 2018或更高版本进行匹配，可以利用GPU加速深度学习任务，并且使用高性能的数学函数库来提高计算效率。这些更新和要求可以提供更好的训练和推断性能，使得深度学习的计算更加高效和快速。因此，在使用pytorch 0.4.0版本时，务必安装和配置正确的cudatoolkit和mkl版本以获得最佳的性能和功能。

### 回答2：
PyTorch 0.4.0版本要求的依赖为Cuda Toolkit 9及以上版本和MKL 2018及以上版本。

Cuda Toolkit是NVIDIA提供的用于支持GPU加速的工具集。PyTorch使用了Cuda来充分发挥GPU的计算能力，提高模型训练和推理的速度。因此，安装PyTorch 0.4.0版本时需要安装Cuda Toolkit 9及以上版本。

MKL（Math Kernel Library）是Intel提供的数学库，具有高性能的线性代数、FFT和随机数生成等功能。在PyTorch中，MKL用于加速模型的数值计算。版本2018及以上的MKL提供了更好的性能和稳定性。因此，安装PyTorch 0.4.0版本时需要安装MKL 2018及以上版本。

通过安装Cuda Toolkit和MKL，可以使PyTorch在GPU上充分利用并行计算和高效的数学库，提高模型的训练和推理速度。

### 回答3：
pytorch 0.4.0版本在安装时有两种依赖方式可以选择：cudatoolkit 9.* 和mkl >=2018。

首先，cudatoolkit是用于支持GPU加速的工具包，版本9.*表示使用任何9.x版本的cudatoolkit都可以。如果你希望在安装pytorch时开启GPU加速，需要先安装对应版本的cudatoolkit。

其次，mkl是Intel提供的数学库，可以提升计算效率。在安装pytorch时，通过指定mkl >=2018依赖，可以确保安装的pytorch版本能够充分利用mkl库的功能。

综上所述，当你安装pytorch 0.4.0*版本时，可以根据你的需求选择安装cudatoolkit 9.*或者mkl >=2018。如果你需要GPU加速，选择安装对应版本的cudatoolkit；如果你需要提升计算效率，安装最新版本的mkl库。