【机器学习】pytorch安装——环境配置(极简教程)

Welcome to Aedream同学 's blog!


文章目录

    • 省流总结
    • 新建环境
    • 确定显卡型号
    • 安装显卡驱动
    • 安装pytorch
      • 国内镜像下载
      • 本地下载
    • 验证安装成功

最近重新配置环境,简单记录一下。最近chatgpt等大语言模型和ai绘图火热,也为了方便很多想自己训练模型的进行环境配置。如stabl diffusion等

省流总结

  1. 确定显卡型号
  2. 无脑安装最新显卡驱动
  3. 安装pytorch:满足CUDA Runtime 版本<= CUDA Driver 版本即可

新建环境

关闭代理,否则报错

普通的conda create -n XXX 会直接把XXX这个包安装在c盘路径下,会占用默认系统分区很多存储空间。若想把conda环境安装至D:/anaconda3/envs

运行

conda config --append envs_dirs D:/anaconda3/envs

关闭命令行重新进入

conda create -n envname python=3.11

确定显卡型号

任务管理器ctrl+shift+esc
【机器学习】pytorch安装——环境配置(极简教程)_第1张图片

安装显卡驱动

https://www.nvidia.cn/Download/index.aspx?lang=cn

【机器学习】pytorch安装——环境配置(极简教程)_第2张图片

安装pytorch

打开命令窗口,输入 nvidia-smi 来确定 cuda driver的版本

【机器学习】pytorch安装——环境配置(极简教程)_第3张图片

https://pytorch.org/get-started/locally/

【机器学习】pytorch安装——环境配置(极简教程)_第4张图片
满足 CUDA Driver Version12.1>CUDA Runtime Version11.8

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

如果使用官方命令行下载较慢,看国内镜像

国内镜像下载

拆分成两步下载

conda install pytorch torchvision torchaudio –c 镜像地址

镜像名 镜像地址 (安装 pytorch, torchvision, torchaudio使用)
清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
北京外国语大学镜像 https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
阿里巴巴镜像 http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
南京大学镜像 https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/

conda install cudatoolkit=版本 –c 镜像地址

镜像名 镜像地址 (安装cudatoolkit使用)
清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像 https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像 http://mirrors.aliyun.com/anaconda/pkgs/main

本地下载

官方

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

使用迅雷下载https://download.pytorch.org/whl/cu118到本地。

• 主要下载 pytorch/torch 这个包,下载地址在命令行中有提示
• 下载完成之后,使用pip install 下载文件地址 来安装pytorch
• 使用原来命令行下载 torchvision torchaudio

验证安装成功

  1. 激活对应的虚拟环境(你安装Pytorch的虚拟环境)conda activate 虚拟环境名
  2. 输入conda list,看有没有pytorch或者torch
  3. 输入python
  4. 输入 import torch
  5. 输入 torch.cuda.is_available()
  6. 如果显示True,就说明我们这个PyTorch安装成功了

你可能感兴趣的:(CV基础,机器学习,pytorch,人工智能,深度学习,python)