深度学习pytorch环境配置实用教程——极简pytorch-gpu版
深度学习pytorch环境配置教程
- 1. Anaconda的下载及实用操作小技巧
-
- 1.1 Anaconda的下载
- 1.2 Anaconda中的实用操作小技巧
-
- 1.2.1 安装pytorch前的准备工作
- 1.2.2 conda中的常见命令
- 2. pytorch环境配置
- 3. 验证是否安装成功
- 4. 在jupyter notebook中使用pytorch
1. Anaconda的下载及实用操作小技巧
1.1 Anaconda的下载
具体下载操作步骤见小编文章非常贴心的Anaconda3 + Pycharm2020+ OpenCV 下载安装及环境搭建教程，这篇文章中有详细讲解Anaconda的下载安装过程。
1.2 Anaconda中的实用操作小技巧
1.2.1 安装pytorch前的准备工作
打开Anaconda的命令行。
下面是命令行的界面，最开始的（base）代表当前环境为基本环境，也称为主环境，我们使用Anaconda的优势之一是它可以创建多个独立的虚拟环境，方便各种虚拟环境的搭建。
使用以下命令用于查看当前Anaconda环境下已经安装的包，查看是否已经安装过pytorch（对所用电脑不熟悉的情况下），如下图所示小编电脑的主环境中没有安装pytorch（主环境中安装的包比较多，影响运行速度）。
conda list
使用以下命令创建一个新的Anaconda虚拟环境，不同虚拟环境之间是独立存在的，可以为不同环境安装不同的包，并且相互之间没有影响。
conda create -n pytorch python=3.7
其中-n后边的pytorch是环境的名称，可以任意指定。另外，通过python=3.7可以指定此环境中python的版本。
注意： 小编之前环境中配置有名称为pytorch1.2的虚拟环境，再来创建同名虚拟环境显示已存在该环境。
输入上面的指令后会自动下载一些必要的包，由于每个人的网速状况不一样，这个时候可能会存在网速慢导致相应的包下载不下来的问题，如果出现包下载失败错误，请改换国内镜像源地址可以解决此问题，依次输入以下命令（更多实用技能详见简单好用的conda、pip国内镜像源
）。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
环境创建完成后，通过如下命令激活环境
conda activate pytorch
输入命令后，之前的(base)显示为（pytorch），代表我们的环境已经变为pytorch，注意，小编取的名称为(pytorch1.2)，你取什么名称就会变为什么名称的虚拟环境。
以上是几个比较基本的命令，我们现在先介绍这些，其他命令当我们用到的时候再进行介绍，常用命令如下。
1.2.2 conda中的常见命令
conda list 查看安装了哪些包。
conda env list 或 conda info -e 查看当前存在哪些虚拟环境
conda update conda 检查更新当前conda
conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到
activate your_env_name(虚拟环境名称)
conda install -n your_env_name [package]对虚拟环境中安装额外的包
deactivate关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)。
conda remove -n your_env_name(虚拟环境名称) --all删除虚拟环境
conda remove --name your_env_name package_name 删除环境中的某个包。
conda config --remove-key channels 恢复默认源，十分好使
conda install --yes --file requirements.txt 一次性安装若干依赖，很爽，注意在装之前要指定环境执行activate your_env_name(虚拟环境名称)才装到指定环境中去
进入到对应虚拟环境之后，接下来要开始搞事情了~~~
2. pytorch环境配置
打开pytorch官网，根据官网教程选择所需要的版本及其对应的cuda版本，官网首页给出的是最新版本，不推荐安装最新版本，容易出现不兼容报错等情况。
找到自己需要安装的版本，以v1.2.0为例
官网给出的指令为
# CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
官方给出的命令中的 -c pytorch 的意思是指定了pytorch的下载路径，但因为我们更换了源，所以我们需要去掉 -c pytorch， 使用清华源(前提是你的conda已经添加过国内镜像源地址，下载时会首先使用你的源地址下载，1.2.1小节有添加源地址的方法)，最后命令为：
# CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
提示： 通过命令行下载包时，如果较大的包下载速度很慢近乎停止，可以通过ctrl+c停止内存较大包的安装，否侧下载不成功会报超时错误，每按一次ctrl+c，我们就可以停止一个包的安装，系统会自动进行下一个包的安装。
因为pytorch包比较大，有的时候即使换了清华的源进行命令行下载包时也可能出现问题，这个时候我们可以在清华源中手动下载，并离线安装，但一定要保证它们所依赖的其他包已经安装完成。
离线安装包下载下来后，在刚才的虚拟环境路径下进入到离线安装包所在路径位置，然后使用如下离线安装命令安装，稍等片刻就装好了。
conda install --offline pytorch-1.2.0-py3.7_cuda100_cudnn7_1.tar.bz2
比如我把离线安装包放在了电脑做面上，使用如下命令回车即可。
如果cudatoolkit10.0的包同样在清华的源通过命令行下载包安装过程中出现下载缓慢或者无法下载的问题，在我们保证除此包以外的其他包都安装成功后，我们同样可以手动下载cudatoolkit包进行离线安装，但一定要保证其他包都已经安装成功，打开cudatoolkit包离线安装地址，找到我们所需要的包进行下载。
下载成功后我们通过命令 cd 进入下载的文件所在的目录（也可以把文件复制到命令行当前所在的目录，也可以一会儿输入文件路径时输入完整路径，同pytorch离线安装）,然后输入如下命令进行离线安装。
conda install --offline cudatoolkit-10.0.130-0.tar.bz2
3. 验证是否安装成功
操作到这一步基本上已经完成pytorch-gpu版本安装。我们通过如下方式进行验证。
打开命令行，激活对应的虚拟环境，输入python命令
输入
import torch
如果没有报错，说明已经正确安装pytorch。
输入
print(torch.cuda.is_available())
如果显示True，代表可以使用pytorch的gpu运算功能。
4. 在jupyter notebook中使用pytorch
经过上述步骤，我们已经可以在命令行中使用pytorch了，但当我们打开jupyter notebook的时候，依然无法使用pytorch，所以我们需要在此虚拟环境下安装jupyter，否则会默认调用住环境的jupyter，但是全局的版本跟虚拟环境的版本不一样，所以jupyter Notebook中就看不到这个内核了。为此，我们需要在安装pytorch的虚拟环境中输入如下命令：
conda install ipython #安装ipython
conda install jupyter #安装jupyter
完成之后，在当前命令行中输入
jupyter notebook
即可在jupyter notebook中使用pytorch