PyTorch环境配置及安装

1、Anacond下载

Anaconda 的下载地址:https://www.anaconda.com/distribution/(目前,页面上是 Python3.9 的版本)

Anaconda历史版本链接:https://repo.continuum.io/archive/

2、Anaconda 安装

双击进行安装,需要注意以下几点:

记住安装路径,之后会用到

跳过安装 Microsoft VSCode

为了检验是否安装成功,在开始菜单出,左击 Anaconda Prompt

PyTorch环境配置及安装_第1张图片

如果可以成功打开,且左边有 (base),即安装成功。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LMjqAEqe-1642521771249)(H:\codes\pytorch\note\PyTorch环境配置及安装.assets\image-20220103112556927.png)]

3、显卡配置(无 Nvidia 显卡的略过)

只要你打开任务管理器,在 GPU 那里看到了你的 NVIDIA 显卡,即可。说明你的硬件驱动,已安装。

如果你的 NVIDIA 显卡未显示,可以使用驱动人生,或者去官网下载驱动。

绝大多数的NVIDIA的显卡,都是支持深度学习的。你可以去 这里 查阅,如果这里面有你的显卡的话,那么说明你的显卡是支持深度学习的。

PyTorch环境配置及安装_第2张图片

如果你的显卡支持深度学习,请在命令行处,输入 nvidia-smi ,查看自己驱动的版本。
PyTorch环境配置及安装_第3张图片

!!!务必,保证自己的驱动版本数大于 396.26,像我这里的驱动版本数为457.49,满足要求。

如果发现自己的版本数不满足要求,可以使用 驱动管家 或 软件管家更新

4、有序的管理环境

也许,你之后会遇到不同的项目,需要使用到不同版本的环境。比如这个项目要用到 pytorch 0.4,另一个项目要用到 pytorch 1.0,如果你卸载了0.4版本,安装了1.0版本。那么下一次,你再碰到0.4版本,你就需要卸载1.0版本,安装0.4版本。很折腾。

Anaconda 集成的 conda 包就能够解决这个问题。它可以创造出两个屋子,相互隔离。一个屋子放 0.4 版本,一个屋子放 1.0 版本。你需要哪个版本,就进哪个屋子工作。

我们首先使用 conda 指令创建一个屋子,叫做 pytorch。

指令如下:
conda create -n pytorch python=3.6

conda 是指调用 conda 包,create 是创建的意思,-n 是指后面的名字是屋子的名字, pytorch是屋子的名字(可以更改成自己喜欢的),python=3.6 是指创建的屋子,是 python3.6 版本,一般都是下载3.6对应的最新的版本。

之后,弹出提示,输入 y,即可安装。

安装成功后,输入以下指令:

conda info --envs

即可看到 conda 环境中,有新建的 pytorch 环境,右边的 * 号表示,当前你处于哪个环境。
PyTorch环境配置及安装_第4张图片
接下来,我们要在 pytorch 环境中,安装 PyTorch,使用如下指令,进入 pytorch 环境。

conda activate pytorch

5、安装 PyTorch 准备

终于到重头戏了,安装 PyTorch了。打开官网,下拉到下面的页面。

PyTorch Build 选择 Stable;选择系统;Package,Windows下推荐 conda,Linux 下推荐 pip;Python版本按照Anaconda的版本选择,我这里选择3.6,CUDA 推荐9.2。如果没有显卡的话,选择 None。我的选择如图所示:
PyTorch环境配置及安装_第5张图片

复制下面的代码,之后,在开始菜单中,打开 Anaconda Prompt,查看最左边括号中是 base 还是 pytorch。

如果是 base,使用 conda activate pytorch 进入 pytorch 环境中,之后粘贴即可,随后输入y,之后就是漫长的等待。

6、验证是否安装成功

  1. 在命令行左边为 pytorch 环境中,输入 python

  2. 之后,输入import torch,如果没有报错,意味着 PyTorch 已经顺利安装了

  3. 接下来,输入 torch.cuda.is_available,如果是 True,意味着你可以使用 GPU,如果是 False,意味着只能使用CPU。

你可能感兴趣的:(PyTorch,笔记,pytorch,深度学习,python)