pytorch安装配置

    记录一下在pytorch学习中的一些问题,先从安装配置开始,以防自己之后需要配置新环境时忘了。

目录

1.Anaconda安装

 2.创建虚拟环境

3.寻找本机显卡适配CUDA

4.在NVIDIA官网下载对应版本的CUDA

 5.安装适配cuDNN

 6.安装pytorch

7.使用pytorch加入jupyter核

(1)设置jupyter指定端口:

(2)查看配置文件目录:

 (3). 已安装的环境配置到jupyter中

8、一些其他常用命令(更新中)

(1)根据已有环境克隆一个新环境


1.Anaconda安装

Anaconda安装就不多说了,官网上直接下载或者清华镜像下个最新版就行。

下载过程中需要注意是否有勾选自动修改环境变量,否则需要自己去添加一下环境变量。

 2.创建虚拟环境

可以在anaconda navigator上直接创建,也可以在prompt上命令行创建。

命令行创建:

最后的

ipykernel

 可以在创建环境是就安装好,也可以不加直接创建环境。

pytorch安装配置_第1张图片

 安装好后,查看已装环境:

conda env list

pytorch安装配置_第2张图片

说明安装成功了。

这里我安装了好几次都失败一直无法创建环境:
pytorch安装配置_第3张图片

查了很多原因,最后应该是镜像下载问题。我的解决路径:

1.先是安装了 清华镜像

在镜像下安装一直不成功。报错应该是http访问问题。

2.按着百度的方法试了把https改成http,在镜像末尾加上/win64/都不成功。

可以在C:C:\Users\Tony下找到.condarc文件,可以直接修改镜像路径,但是还是不成功,不过报错变了。

pytorch安装配置_第4张图片

3.最后我把镜像全删了下载成功。

3.寻找本机显卡适配CUDA

此处我参考:pytorch、显卡、显卡驱动、cuda版本是如何对应的 - 简书

pytorch安装配置_第5张图片

pytorch安装配置_第6张图片

 先在NVIDIA官网找显卡对应算力,再在wiki上找的CUDA版本对应算力。

4.在NVIDIA官网下载对应版本的CUDA

 pytorch安装配置_第7张图片

 选择自定义安装。

 pytorch安装配置_第8张图片

全勾选,一直安装就是了。 

安装的时间比较久。。并且会闪屏几次。

pytorch安装配置_第9张图片

 5.安装适配cuDNN

去cuDNN官网上找到cuda对应的版本下载。

pytorch安装配置_第10张图片

 下载需要注册账号。(国外服务器访问真的是特别慢。。)(好像不注册也能下载)

下载完成后是个压缩包,解压。

pytorch安装配置_第11张图片

把这些文件放到一个文件夹cudnn中,加入到 cuda的安装路径下。

pytorch安装配置_第12张图片

环境变量设置,在高级系统环境设置下设置环境变量。(我是win11,其他系统也一样)

 pytorch安装配置_第13张图片

 pytorch安装配置_第14张图片

 找到path,编辑。pytorch安装配置_第15张图片

 pytorch安装配置_第16张图片

 6.安装pytorch

进入pytorch官网找到适配的版本。

pytorch安装配置_第17张图片

将这段复制下来。

在prompt中激活之前创建的环境:(后面是环境名)

activate pytorch_gpu 

 

 然后就执行官网上复制的运行就行。

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

 也可以把-c pytorch去掉用清华镜像下载,会快一点。(摘自https://www.cnblogs.com/victorxiao/p/13512258.html)

我用conda下了好多次都有很多包下不成功,所以就用pip下,成功了。

pytorch安装配置_第18张图片

pytorch安装配置_第19张图片

 安装完成后依次输入下列命令行看看是否可用。

7.使用pytorch加入jupyter核

(1)设置jupyter指定端口:

jupyter notebook --port 

其中,“”是自定义端口号。

(2)查看配置文件目录:

jupyter notebook --generate-config

pytorch安装配置_第20张图片

进入该目录下,修改配置文件相关路径。

pytorch安装配置_第21张图片

 (3). 已安装的环境配置到jupyter中

激活刚刚创建的环境

active pytorch_gpu

之前我们已安装了ipykernel,如果没有安装,则需要先安装。

查看jupyter 目前可调用的内核

jupyter kernelspec list

运行:

conda install nb_conda_kernels   #上次配的,有些忘了是不是这个命令

完了网页上就可以看到加了新的内核。

pytorch安装配置_第22张图片

8、一些其他常用命令(更新中)

(1)根据已有环境克隆一个新环境

根据环境名:

conda create -n B --clone A

根据环境路径:

conda create -n B --clone D:\A

reference:

https://www.cnblogs.com/victorxiao/p/13512258.html

https://blog.csdn.net/a583621671/article/details/87272803

https://www.jianshu.com/p/ac70300b598b

pytorch1.9.0+cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060 安装教程 - 游戏编程 ️

Jupyter Notebook介绍、安装及使用教程 - 简书

你可能感兴趣的:(pytorch,深度学习,python)