使用清华大学镜像加速基于GPU的Pytorch环境

使用清华大学镜像加速搭建Windows下基于GPU的Pytorch环境

官方教程

搭建基于GPU的pytorch环境，可以直接使用Pytorch官网提供的命令进行安装;

选中对应的配置会自动生成对应的命令。
注意：Windows环境下CUDA-10.2已经不再支持，请使用更高版本的CUDA

CUDA-10.2 PyTorch builds are no longer available for Windows, please use CUDA-11.6

改进与加速

虽然使用上述官网提供的命令，也可以完成基于GPU的Pytorch环境，但是因为官网与服务器的原因，常常会导致安装CUDA和cudatoolkit安装失败。
本博客以基于CUDA 11.3在anaconda环境下安装基于GPU，版本为1.11.0的Pytorch

可以在官网看到。对应的安装命令为

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

此处对应命令做一个拆解，分步安装：

1. 安装cudatoolkit
2. 安装其余套件包

Anaconda 环境下进行操作

创建环境

在anaconda下创建环境

conda create -n demo python=3.9

安装完毕，进入虚拟环境

conda activate demo

安装cudatoolkit

conda install cudatoolkit=11.3  -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

其中

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

为清华大学镜像

安装其余套件包

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 -c pytorch

测试

使用以下版本测试Pytorch是否可调用GPU

• 导入包

import torch

• 查看版本号

torch.__version__

• 查看GPU是否可用

torch.cuda.is_available()

测试结果如下

至此，使用清华镜像加速安装GPU版本的Pytorch到此结束！！