在pycharm中安装并配置pytorch深度学习环境

pycharm中安装和配置pycharm

前提条件

已经安装了anaconda和pycharm

查看自己的显卡驱动版本

查看驱动程序版本,以便后面选择cuda软件版本

在pycharm中安装并配置pytorch深度学习环境_第1张图片

cuda版本,这里是实际的cuda版本,但是可以用低版本的cuda软件去管理高版本,应该理解为高版本兼容低版本才合适

在pycharm中安装并配置pytorch深度学习环境_第2张图片

选择适合的CUDA版本

根据上面的显卡驱动程序版本选择cuda管理工具软件

CUDA 12.1 Release Notes (nvidia.com)

在pycharm中安装并配置pytorch深度学习环境_第3张图片

在pycharm中安装并配置pytorch深度学习环境_第4张图片

下载对应的pytorch版本

这里有两个pytorch和 torchvision需要下载,根据下面的连接结合上面安装的CUDA版本进行选择,这是有组合的,不要乱选,看官网推荐(打开以下链接查看)。

https://pytorch.org/get-started/previous-versions/

实例如下图所示:

在pycharm中安装并配置pytorch深度学习环境_第5张图片

确定组合后,根据下面的链接下载pytorch和 torchvision的whl文件

https://download.pytorch.org/whl/torch_stable.html

创建一个项目project

在pycharm中安装并配置pytorch深度学习环境_第6张图片

在项目中创建一个py文件

在pycharm中安装并配置pytorch深度学习环境_第7张图片

创建虚拟环境

conda 创建虚拟环境,名字为pytorch_gpu :conda create -n pytorch_gpu01 python=3.8

在pycharm中安装并配置pytorch深度学习环境_第8张图片

激活虚拟环境

激活虚拟环境:conda activate pytorch_gpu

第一次激活可能出现的问题

问题

在pycharm中安装并配置pytorch深度学习环境_第9张图片

解决办法:初始化一下Teminal,python这里的Teminal使用的是电脑自带的powershell.

命令:conda init powershell

在pycharm中安装并配置pytorch深度学习环境_第10张图片

初始化之后继续激活虚拟环境:

在pycharm中安装并配置pytorch深度学习环境_第11张图片

如果不行换conda init cmd.exe试试看,依据主要是下方截图所示的Teminal使用的类型:

在pycharm中安装并配置pytorch深度学习环境_第12张图片

为虚拟环境安装pytorch

Teminal切换目录到刚才下载的pytorch和 torchvision的whl文件目录下,建议直接放在项目project下,省得切换,如下图:

在pycharm中安装并配置pytorch深度学习环境_第13张图片

在Teminal中pip install这torch文件,pip install 使用tab键可以切换并选择当前文件夹下的文件,省得打字

在pycharm中安装并配置pytorch深度学习环境_第14张图片

在pycharm中安装并配置pytorch深度学习环境_第15张图片

两个whl文件安装完毕,表明虚拟环境已经安装了pytorch工具包,接下来关联项目到虚拟环境,则该项目就可以使用虚拟环境中的工具包了。

关联虚拟环境

创建的虚拟环境会放在anaconda安装的目录下,有的默认在C盘,有的自定义安装在其他盘,自己找一下即可,需要把项目project关联到虚拟环境中

关联虚拟环境,如下图所示,找到anaconda目录下的envs文件夹,进去找到自己配置的虚拟环境文件夹,在找到python.exe文件,点击选中即可。确定之后,python项目就和虚拟环境关联了起来。

在pycharm中安装并配置pytorch深度学习环境_第16张图片

测试是否安装成功

py测试代码

import torch
print("hello torch{}".format(torch.__version__))

flag = torch.cuda.is_available()
print(flag)

ngpu = 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3, 3).cuda())

测试结果

在pycharm中安装并配置pytorch深度学习环境_第17张图片

如果不行,换不同的torch版本试试看,我也是换了一个版本才成功的。

删除虚拟环境

打开anaconda的prompt:
在pycharm中安装并配置pytorch深度学习环境_第18张图片

查看当前虚拟环境:conda env list

删除指定虚拟环境:conda remove -n your_env_name(虚拟环境名称) --all

anaconda中的虚拟环境pytorch_gpu也没了
在pycharm中安装并配置pytorch深度学习环境_第19张图片

或者直接去anaconda的envs文件夹中把它删除

你可能感兴趣的:(软件环境配置,深度学习,pytorch,pycharm)