Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建教程

Datawhale 零基础入门CV赛事 Baseline

Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建教程

https://blog.csdn.net/qq_40108803/article/details/100537220

一、打开Anaconda Prompt

1、conda create -n pytorch python=3.7.0：创建名为pytorch的虚拟环境，并为该环境安装python=3.7.
2、activate pytorch：激活名为pytorch的环境

二、确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件

2020年5月19日16:46:31，我更新了显卡驱动，看到我的cuda支持11以内的

三、确定pytorch版本，torchvision版本

1、进入pytorch官网：https://pytorch.org/get-started/locally/

因为官方源太慢了，这里使用清华源下载

四、镜像中下载对应的安装包

清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

pytorch：

torchvision：

五、本地安装

接着第一步，在pytorch环境下进行安装，依次输入如下指令。

然后回到虚拟环境所在目录，用conda install anaconda安装环境所需的基础包

六、测试
代码1：

输出对应的版本信息无报错。

代码2：

from future import print_function
import torch
x = torch.rand(5, 3)
print(x)

输出类似于以下的张量：

tensor([[0.3380, 0.3845, 0.3217],
[0.8337, 0.9050, 0.2650],
[0.2979, 0.7141, 0.9069],
[0.1449, 0.1132, 0.1375],
[0.4675, 0.3947, 0.1426]])

代码3：

import torch
torch.cuda.is_available()

输出：True

如果以上三段代码输出无异常，表明环境搭建成功。

遇到的问题

1、用conda create -n py37_torch131 python=3.7创建虚拟环境报错
【解决方法】https://blog.csdn.net/weixin_42329133/article/details/102640763
环境会保存在Anaconda目录下的envs文件夹内

2、PackagesNotFoundError: The following packages are not available from current channels

【解决方法】https://www.cnblogs.com/hellojiaojiao/p/10790273.html

3、conda下载太慢问题

【解决方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

我直呼一声清华NB！

4、cuda安装
cuda历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive
要看NVIDIA的组件，自己的CUDA支持哪个版本，我是1060显卡，所以我下的10.0版本的cuda
5、pytorch安装
官网没有我的组合，我满脸问号

这里我直接（别忘了先进入刚创建的环境）

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

6、jupyter note如何进入虚拟环境

python -m ipykernel install --name 虚拟环境名
1.打开Anaconda Prompt,输入conda env list 查看现有环境
2.输入activate name（name是你想切换的环境）
3.conda install ipykernel 安装必要插件
4.python -m ipykernel install --name Name 将环境添加到Jyputer中（Name是此环境显示在Jyputer中的名称，可自定义）

删除内核

jupyter kernelspec remove 内核名称

报错[Errono 13]

[Errno 13] Permission denied: ‘/usr/local/share/jupyter’

为此，需要添加–user选项，将配置文件生成在本账户的家目录下。

python -m ipykernel install --user --name py27-caffe-notebook

至此，添加kernel完成。

查看已有的kernel

jupyter kernelspec list

删除已有的kernel

jupyter kernelspec remove kernelname

以上的命令删除仅仅是配置文件，并没有卸载相应虚拟环境的ipykernel，因此若要再次安装相应python虚拟环境的kernel，只需激活虚拟环境，然后

python -m ipykernel install --name kernelname

7、conda安装一半总失败，把文件下载到本地，进入该文件的目录，然后用命令

conda install --offline 包名