打开Anaconda->新建的环境->右键terminal
分别输入:
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/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
输入刚才在官网查到的命令行,去掉-c pytorch
弹出提示时,输入 y,即可完成安装,安装完成后显示“done”
测试是否安装成功:
(1)输入:activate 你的环境名 (不报错)
(2)输入:conda.bat activate 你的环境名 (不报错)
(3)输入:python (显示版本号,如Python 3.7.7)
(4)输入:import torch(不报错)
(5)输入:torch.cuda.is_available(显示
完成以上(1)至(5),说明安装成功。
附:创建相关虚拟环境的spyder
打开Anaconda Navigator,切换环境至pytorch,安装Spyder和Jupyter。
运行Spyder后, 如果出现“ ModuleNotFoundError: No module named ‘toml’ ”这个错误:
打开prompt,激活环境:activate pytorch,再输入:pip install toml twisted pymodbus即可
参考:
Anaconda利用清华镜像安装Pytorch(Windows)
PyTorch 与深度学习领域中主流的框架 TensorFlow、Keras、Caffe、MXNet 一样,都是在该领域内广为使用的框架中的一种,已替代早先人们需要具备 C++ 和 CUDA 等方面的专业知识来实现深度学习算法。它与其他大多数深度学习框架差不多,主要用于两个方面:用 GPU 加速过的运算替代与 Nunpy 类似的运算;包含自动求导系统的的深度神经网络。[1]
显卡:(GPU)主流是Nvidia的GPU,深度学习本身需要大量计算。GPU的并行计算能力,在过去几年里恰当地满足了深度学习的需求。AMD的GPU基本没有什么支持,可以不用考虑。
驱动:没有显卡驱动,就不能识别GPU硬件,不能调用其计算资源。但是呢,Nvidia在Linux上的驱动安装特别麻烦,尤其对于新手简直就是噩梦。得屏蔽第三方显卡驱动。
CUDA:是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的,几乎无一例外。还有一个叫做cudnn,是针对深度卷积神经网络的加速库。[2]
torch.cuda.is_available():返回cuda是否可用
若返回False则表示torch与CUDA版本不匹配,有可能下载了None CUDA版本的Pytorch,而代码中的Pytorch版本是GPU版。
注:怎样在Anaconda的某环境中删除某个包(除了使用remove的方法)?未解决求助
以我的配置win10+Anaconda3(python3.7)+CUDA8.0为例,安装PyTorch1.0:
第一步安装Anaconda
官网下载地址:https://www.anaconda.com/distribution/#download-section
选择windows(win7-32bit,win8/10-64bit) python3.7的安装包,选择安装路径后基本按默认设置安装。
相关配置可以参考:Windows10下安装Anaconda3(64位)详细过程
第二步安装Pytorch
安装命令从官网查询:pytorch官网
Language:Python 你想要的版本
CUDA:自己的CUDA版本(控制面板-硬件和声音-NVIDIA控制面板-左下角系统信息-组件-NVIDIA.DLL-NVIDIA CUDA 8.0.0 driver)
Command: 安装命令(我的配置下是conda install pytorch torchvision cudatoolkit=8.0 -c pytorch)
根据Command安装torch的过程中在下载安装包时会出现HTTP error,这种错误的原因是由于安装包源头在国外,网络不稳定,下载极其缓慢以至于无法进行下去而中断。解决方法是添加国内的镜像路径,也就是清华镜像源,然后再用conda命令进行安装。(注意!有人遇到这样的问题:采用清华源下载的torch,即便使用gpu版的命令行,下载下来的还是cpu版本的torch,如果是这种情况,建议到这里找对应版本的torch和torchversion下载whl,然后在anaconda终端用命令pip install whl文件的路径名来安装,要确保已安装完成numpy。安装完成后进入python通过①import torch ②torch.cuda.is_available()确认GPU版torch是否可用)
添加清华源的命令(这里是针对PyTorch0.4.0版本之后的,适用于PyTorch1.0版本):
// 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
//添加成功后会显示 你已添加成功
//使用命令,结尾不用 -c pytorch
conda install pytorch torchvision cudatoolkit=8.0
torch、torchversion与cuda的版本对应关系:
图源:win10下使用anaconda安装pytorch和torchvision
查看Pytorch对应的CUDA版本:
打开python终端,输入import torch,再输入print(torch.version.cuda)
安装对应版本的CUDA,参考文章有两个(我按照第1篇来安装的,无误):
Win10安装CUDA10和cuDNN
win10下pytorch-gpu安装以及CUDA详细安装过程
环境配置----卸载CUDA8.0, 安装CUDA10.0 (win10)
args = get_arguments()
gpu0 = args.gpu
参考:
用 PyTorch 框架做深度学习会如此简单
显卡、显卡驱动、cuda 之间的关系是什么?作者:Zhang Wang 来源:知乎
win10+Anaconda3(python3.7)+CUDA8.0+PyTorch1.0安装与配置
Win10环境下安装PyTorch GPU版【CUDA8.0+CUDNN8.0】
解决在anaconda下安装pytorch下载过慢问题
解决torch.cuda.is_available()一直返回False的玄学方法之一
通过whl文件安装torch包
完美解决anaconda安装cv2库
问题:在anaconda中install成功了opencv,在anaconda的terminal中import cv2不报错,但是在pycharm中import cv2却提示无cv2模块
解决:首要地,在pycharm更新骨架加载完成后,在解释器环境中确认是否含有如下三个包
如果没有就install。
如果未解决问题,再尝试如下三个方法:
方法1:在新环境中安装库
方法2:选择已经安装好的环境
方法3:把cv2.pyd复制到选择的环境的venv\Lib目录下
详细步骤见:已安装opencv库,pycharm导入import cv2报错的三种解决方法
pytorch框架需要tensorboardX,在terminal中pip/conda install tensorboard
不需要安装tensorflow啊,不知道为什么网上的教程说必须安装TensorFlow
可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple这样就会从清华这边的镜像去安装相应的库。
进入该环境的终端
命令行:
pip uninstall 包名
python3.7环境cvxpy包及其相关包的百度网盘链接,见该博文:Python安装cvxpy包的解决方案
下载后在anaconda终端通过如下命令安装
pip install 包路径名
#例如:pip install E:/cvxpy3.7/numpy-1.17.4+mkl-cp37-cp37m-win_amd64.whl
安装顺序:
1 numpy+mkl
2 scipy
3 cvxopt
4 scs
5 ecos
6 multiprocess
7 cvxpy
安装每个包成功后最后一句话是successfully installed xxx
pip加速临时方法:
pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple