图神经网络环境配置:Win11+CUDA10.2+Pytorch1.10+DGL

深度学习环境配置

  • 查看电脑显卡支持的CUDA版本
  • 利用Anaconda创建虚拟环境
  • 查询pytorch和对应CUDA
  • 虚拟环境下安装CUDA版本的DGL

查看电脑显卡支持的CUDA版本

  1. 开始搜索控制面板
  2. 从控制面板打开NVIDIA控制面板
  3. 打开左下角‘系统信息’,‘组件’,查看可知本机显卡支持最高CUDA版本为11.0.208
    图神经网络环境配置:Win11+CUDA10.2+Pytorch1.10+DGL_第1张图片

利用Anaconda创建虚拟环境

过程参考我另一篇博文,配置好numpy等其他依赖包。
激活虚拟环境

activate EnvName

查询pytorch和对应CUDA

进入Pytorch官网,根据需要的Pytorch和CUDA版本查看conda命令。
此处我配置Pytorch1.10+CUDA10.2,命令为:

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch

运行太慢或网络连接失败,手动从以下4个网址查询需要的包,如果有则指定对应channel

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

这里使用以下命令运行成功,注意必须http开头才能成功。

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

虚拟环境下安装CUDA版本的DGL

  1. 打开DGL官网,直接开可能会很慢,搭梯子之后明显变快了。根据CUDA版本获得对应安装命令。
    图神经网络环境配置:Win11+CUDA10.2+Pytorch1.10+DGL_第2张图片
    运行命令
conda install -c dglteam dgl-cuda10.2

如果失败,则手动从其他镜像源寻找对应包,可以从这里找到DGL包,因此运行命令

conda install -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/dglteam/win-64/ dgl-cuda10.2

成功,注意需要http开头。

  1. DGL用户手册网址
    DGL 0.4.x
    DGL 0.8.x

你可能感兴趣的:(环境配置,pytorch,深度学习)