PyTorch kurulumu için Python ve donanım uyumu nasıl kontrol edilir?

Kurulumdan önce üç bilgiyi aynı ortamdan doğrulayın: çalıştıracağınız Python yorumlayıcısının sürümü ve 64 bit oluşu, işletim sistemi mimarisi ve kullanacağınız hızlandırıcı türü. Python sürümünün seçtiğiniz PyTorch sürümünün destek aralığında kaldığını ayrıca kontrol edin. Ardından resmi kurulum seçicisinde işletim sistemi ve donanım hedefinize uygun komutu üretin. Kurulumdan sonra import torch paketin içe aktarılabildiğini, küçük bir tensör işlemi ise seçilen backend’in gerçekten çalışıp çalışmadığını gösterir; yalnızca paketin kurulmuş olması GPU’nun kullanılabildiğini kanıtlamaz.

Python ortamını ve mimariyi doğrulama​

Aynı terminalde hem Python’u hem de pip’i kontrol edin. python -m pip kullanmak, paketin başka bir Python kurulumuna yüklenmesi riskini azaltır. Python sürümünü ayrıştırmak için sys.version_info, işletim sistemi ve makine mimarisini görmek için platform kullanılabilir. Python belgeleri, sürüm için sys.version_info kullanılmasını ve 64 bit kontrolünde sys.maxsize değerinin daha güvenilir olduğunu belirtir. (Python sys belgeleri)

Ön koşul olarak terminal veya PowerShell açın; sanal ortam kullanacaksanız proje klasöründe çalışın.

1. Python yorumlayıcısını kontrol edin. Aşağıdaki komut, sürümü, 64 bit durumunu, işletim sistemini ve işlemci mimarisini yazdırır.
   
   Kod:

   python -c "import sys, platform; print('Python:', sys.version.split()[0]); print('64 bit:', sys.maxsize > 2**32); print('OS:', platform.system(), platform.release()); print('Makine:', platform.machine()); print('İşlemci:', platform.processor())"

   Çıktıda 64 bit: True görmeniz beklenir. False sonucu, özellikle büyük modellerde bellek ve ikili paket uyumluluğu açısından uyarıdır; bunu PyTorch sürümünü seçmeden önce düzeltin. platform.machine() boş dönerse bu, makinenin uyumsuz olduğunu kanıtlamaz; yalnızca işletim sisteminin bu bilgiyi sağlayamadığını gösterir.
2. Kullanılan pip’in aynı Python’a ait olduğunu doğrulayın. python -m pip --version komutunu çalıştırın. Çıktıdaki yolun az önce kontrol ettiğiniz Python kurulumu veya sanal ortamla ilişkili olduğundan emin olun. Farklı bir Python yolu görüyorsanız doğrudan pip install kullanmayın; bundan sonraki komutlarda python -m pip biçimini koruyun.
3. İzole bir sanal ortam oluşturun. Windows’ta python -m venv .venv komutunu çalıştırın ve PowerShell’de .\.venv\Scripts\Activate.ps1, Komut İstemi’nde .venv\Scripts\activate.bat komutuyla etkinleştirin. Linux veya macOS’ta python3 -m venv .venv ve ardından source .venv/bin/activate kullanın. Terminal satırında .venv görünmesi, sonraki kurulumun proje ortamına yapılmasını beklediğinizi gösterir.

Komut sisteminizde python yerine python3 ile çalışıyorsa sonraki komutlarda aynı adı kullanın. Windows’ta belirli bir sürümü seçmek için örneğin py -3.12 -m venv .venv komutunu kullanabilirsiniz; burada 3.12 yalnızca örnektir ve PyTorch sürümünüzün desteklediği sürümle değiştirilmelidir.

Donanım ve hızlandırıcıyı ayırma​

PyTorch kurulumu için önce hangi çalışma yolunu istediğinize karar verin. CPU kurulumu en geniş donanım aralığında çalışır ancak GPU hızlandırması sağlamaz. NVIDIA kurulumu, uygun NVIDIA sürücüsü ve seçilen CUDA tabanlı PyTorch paketini gerektirir. Apple bilgisayarlarda GPU kullanımı, işletim sistemi ve seçilen PyTorch derlemesinin MPS desteğine bağlıdır; yalnızca Apple GPU’nun bulunması yeterli değildir.
Bu kontrollerden sonra sonucu şöyle yorumlayın: nvidia-smi çalışmıyorsa bilgisayarda NVIDIA GPU kesinlikle yok demek değildir; sürücü veya komut satırı aracı eksik olabilir. GPU listeleniyor ama PyTorch testi başarısız oluyorsa sorun çoğunlukla seçilen backend, sürücü veya paket–Python eşleşmesindedir. CPU kullanacaksanız bu GPU kontrollerini başarı ölçütü olarak almayın.

Uygun PyTorch paketini seçme ve kurma​

PyTorch’un sürüm ve backend seçenekleri değişebildiği için sabit bir komutu her bilgisayara kopyalamak yerine resmi kurulum seçicisinde işletim sisteminizi, paket yöneticinizi, Python dilini ve CPU veya GPU hedefinizi seçin. Seçicinin ürettiği komutu, etkin sanal ortamın terminalinde çalıştırın.

1. İşletim sistemi ve paket yöneticisini seçin. Windows, Linux veya macOS seçimini gerçek sisteminizle eşleştirin; pip kullanıyorsanız daha önce doğruladığınız Python ortamında kalın.
2. Hızlandırıcıyı seçin. Windows veya Linux’ta GPU doğrulaması tamamlanmadıysa CPU seçeneğini kullanın. NVIDIA GPU ve sürücü hazırsa seçicide sunulan uygun CUDA seçeneğini seçin. macOS’ta Mac/Pip/Python için normal paket komutunu kullanın; ayrı bir MPS/Metal kurulum seçeneği aramayın. MPS desteğini kurulumdan sonra torch.backends.mps.is_built() ve torch.backends.mps.is_available() ile kontrol edin. (PyTorch MPS belgeleri)
3. Üretilen kurulum komutunu çalıştırın. Komut tamamlanmadan terminali kapatmayın. No matching distribution found veya benzeri bir hata alırsanız Python sürümünü, işletim sistemi mimarisini ve seçilen PyTorch sürümünün destek aralığını birlikte kontrol edin; rastgele başka bir CUDA etiketi eklemeyin.
4. Kurulumun aynı ortamda yapıldığını doğrulayın. python -m pip show torch komutunda paket adı ve kurulum yolu görünmelidir. Yol .venv dışında ise yanlış ortam etkin olabilir.

Kurulumun gerçekten çalıştığını test etme​

Aşağıdaki örnek, önce PyTorch sürümünü gösterir, sonra kullanılabilir backend’i seçer ve küçük bir tensör işlemi yapar. Sürüm ve cihaz satırları ortamınıza göre değişir; aşağıdaki küçük işlemin sayısal sonucu ise sabittir.


Beklenen hesaplama sonucu [2.0, 4.0] değeridir. dtype=torch.float32 açıkça seçildi; MPS, float64 tensörlerini desteklemez. Cihaz: cpu çıkması kurulumun başarısız olduğu anlamına gelmez; yalnızca CUDA veya MPS’nin kullanılabilir olmadığını gösterir. NVIDIA GPU bekliyorsanız nvidia-smi çıktısını, torch.cuda.is_available() sonucunu ve kurulumda seçtiğiniz backend’i karşılaştırın. Apple sisteminde MPS bekliyorsanız macOS sürümünü, PyTorch paketini ve torch.backends.mps.is_built() ile torch.backends.mps.is_available() sonuçlarını birlikte değerlendirin. Küçük işlem CPU’da çalışırken GPU’ya geçiş başarısız oluyorsa bu, temel Python kurulumundan çok hızlandırıcı uyumunun ayrıca çözülmesi gerektiğini gösterir.

Hata raporu hazırlarken tam olarak şu bilgileri birlikte kaydedin: işletim sistemi, python komutunun sürümü, platform.machine() çıktısı, python -m pip show torch sonucu, NVIDIA varsa nvidia-smi çıktısı ve yukarıdaki testin hata metni. Parola, erişim anahtarı veya kişisel dosya yolları gibi hassas bilgileri paylaşmadan önce temizleyin.