在安装前,我们要清楚我们需要什么东西,这些东西分别是什么:
准备材料 | 作用 |
---|---|
显卡+驱动 | 为了支持GPU去做图像处理功能吗,后期调用显卡执行代码 |
Anaconda | 环境管理软件,只不过不是图形化界面,而是linux的样子 |
CUDA | NVIDIA自身的指令集,显卡版本不同,支持的CUDA版本也不一样链接: link. |
cudnn | cudnn也是集成指令,cuda相当于是工作台带了螺丝刀和扳手,cudnn相当于一个电机
pytorch | 架构,就是包,有很多的API直接调用
pycharm |集成开发环境
这个首先要安装CUDA,根据自己的显卡信息版本,选择属于自己的CUDA版本,可以选择比自己显卡所能支持的版本低级的cuda进行安装。接着安装Anaconda,这是一个环境管理指令,就是利用指令集去控制环境,anaconda分为2和3两个版本也是为了支持不同的python系列来进行的相对应的设置,里面创建属于每一个不同架构的环境,可以安装不同的解释器。pycharm啥的都可以按照教程去做,一般不会出现错误。
指令 | 作用 |
---|---|
conda – version | 查看conda工具版本号 |
conda update conda | 更新conda至最新版本 |
conda -h | 查看conda的帮助信息 |
指令 | 作用 |
---|---|
conda create --name pytorch python=3.6 | 创建一个新的环境,环境名称是pytorch python的版本是python3.6 |
conda info -e | 显示已经创建的环境 |
conda activate pytorch | 切换到python环境中去 也叫做激活pytorch环境 |
conda deactivate | 返回上一个环境中去 |
conda create --name py2 --clone python2 | 克隆环境 克隆一个环境为python2的环境新环境命名为py2 |
conda remove --name pytorch --all | #删除python2的环境 |
环境配置是在anaconda中去做的,anaconda相当于小区,里面有各种区(活动区,绿化区,垃圾处理区,停车场,不需要管),第一步要建立自己的房子(pytorch),然后需要激活进入到房子里面去,在里面装修(安装pytorch),这些步骤也都有。
在线安装需要去根据不同的下载源镜像,分为官网镜像,国内清华镜像和中科大镜像,这两种区别就在于安装所需时间不一样,这样的话国内镜像的优势就显示出来了。使用的是coda指令安装。可以CSDN查看在线安装,所重点就是根据指令去配置自己的cuda版本和cudnn 链接: https://developer.nvidia.com/rdp/cudnn-archive. 版本去调整。
离线安装较为整洁,从链接: https://download.pytorch.org/whl/torch_stable.html.
这里下载出来你所需要的镜像,分为cpu和gpu版本,适合的cuda版本的whl文件torch和torchvision文件,这里代表不同的文件需求,torchvision有很多已经帮你处理好的数据集信息,选择python版本,这个python版本要和创建虚拟环境时候自己创建的python相匹配。利用指令安装本地whl文件指令,注意这里我们下载torch和torchvision时候,要注意查找他们两个之间的匹配,还有torcvision和python版本之间的关系。版本匹配很重要,否则你可能需要多次卸载安装你的环境
pip install 地址+whl文件名称即可
// 特别提醒
在线安装会给你下载很多包,cuda list 就能显示出来自己的虚拟环境中所有的包
配置老版本的时候会有不少的包没有安装,到时候CSDN上面可以查到很多的安装指令,缺啥安装啥,就相当于换电脑
系统本地安装没有插件和驱动,需要自己根据所需要的自己去下载安装
我们前期开发的时候可能会已经安装好了python环境,那么如何针对项目去调用python呢,自己来说,普通python的project可以选用最初使用的python3.8. 针对pytorch的工程,选用anconda里的自己even环境中的python3.6