深度学习环境配置Pytorch

Anaconda

Anaconda是管理各个python包的工具,这里我们主要使用的是numpy,以及其他的一些常用包。

Anaconda官网链接:https://www.anaconda.com/

各个系统版本的Anaconda安装程序都可以直接下载安装即可,相关使用方法可以参考该文章

CUDA

  1. 首先查看自己电脑GPU对应的cuda版本,如图所示打开 NVIDIA控制面板->帮助->系统信息->组件(可在控制中心或右下角通知栏打开),我这里GPU对应的cuda版本是11.6.106,所以安装的cuda不能超过这个版本。

深度学习环境配置Pytorch_第1张图片

或者在cmd命令行输入nvidia-smi也可以查看CUDA版本。

  1. 进入CUDA Toolkit Archive网站选择低于刚才查到的版本的cudatoolkit,本文选择CUDA Toolkit 11.0 Update 3,下载安装包约2.7G。

注意:这里选择的cuda版本会决定后面安装cudnn和tensorflow-gpu的版本,三者是相关的,如果版本不匹配将无法使用,具体匹配版本参考https://tensorflow.google.cn/install/source_windows,下表为节选。

版本 Python 版本 编译器 构建工具 cuDNN CUDA
tensorflow_gpu-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0
tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.1
tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.6 10.1
tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1 7.6 10.1
tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2 7.4 10
tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0 7.4 10

深度学习环境配置Pytorch_第2张图片

  1. 双击下载的exe安装包,选择临时解压位置,然后点击ok,解压时间两分钟左右。

深度学习环境配置Pytorch_第3张图片

  1. 同意许可协议,然后选择自定义安装选项,然后点击下一步

深度学习环境配置Pytorch_第4张图片

深度学习环境配置Pytorch_第5张图片

  1. 选择驱动程序组件,一定要勾选CUDA,然后点击下一步

深度学习环境配置Pytorch_第6张图片

  1. 选择自己电脑上的一个安装位置,然后开始安装

深度学习环境配置Pytorch_第7张图片

  1. 等待安装结束,本电脑18年笔记本机械硬盘安装耗时约5分钟

  2. 检查环境变量,一般安装完成后会自动配置好环境变量,打开设置-系统-系统信息-高级系统设置-环境变量进行检查,如果没有则需要自行添加(注意添加时修改成自己的安装路径)

  • 系统变量中是否有CUDANVCUDASAMPLES两组环境变量。

深度学习环境配置Pytorch_第8张图片

  • 打开系统变量的Path,查看是否有以下环境变量。

深度学习环境配置Pytorch_第9张图片

  1. CUDA安装完成

Pytorch

(1)创建Pytorch环境

使用anaconda创建一个pytorch的虚拟环境,主要是为了区分不同的项目,比如tensorflow和pytorch使用的各种包环境等都是不同的,新建一个环境可以处理项目之间不兼容的问题。

  1. 打开Anaconda Prompt

  2. 新建一个虚拟环境

conda create -n pytorch python=3.8

这里创建一个pytorch环境,语句中pytorch是环境名,叫什么都可以,python版本这里3.8和3.9都可以。

使用conda info --envs命令可以看到所有环境,使用conda activate pytorch可以激活刚才创建的pytorch环境。

前面从(base)变为(pytorch)时表示此时已经切换到pytorch环境。

深度学习环境配置Pytorch_第10张图片

(2)安装pytorch

进入PyTorch官网:https://pytorch.org/,可以看到pytorch安装页面。

这里默认已经根据你的电脑情况选择了一部分信息,只需要选择CUDA版本即可,刚才查看了我的电脑cuda版本是11.6.106,所以这里选择CUDA 11.6。

深度学习环境配置Pytorch_第11张图片

这里提示了安装前电脑需要安装cudatoolkit,上一节我们已经安装了,所以直接在conda的pytorch环境中运行下面给出的安装代码即可。

进入虚拟环境

conda activate pytorch

安装pytorch

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

如果下载报错,注意关掉自己的科学上网工具,然后到清华大学镜像站按步骤添加一下索引。
如果仍报错且自己能够科学上网,那么可以使用命令conda config --remove-key channels删除清华源,并删除C:/用户/xxx/.condarc文件,使用科学上网+默认源下载。

测试

打开Anaconda Prompt命令行,进入pytorch环境。

conda activate pytorch

输入python,进入python交互界面

输入下面命令进行测试:

import torch 
print(torch.__version__) # pytorch版本
print(torch.version.cuda) # cuda版本
print(torch.cuda.is_available()) # 查看cuda是否可用

深度学习环境配置Pytorch_第12张图片

本博客文章首先发布于个人博客网站:https://www.mahaofei.com/,欢迎大家访问。

你可能感兴趣的