【持续记录】深度学习环境配置

1080面对Transformer连勉强也算不上了,还是要去用小组公用的卡
完整记一个环境配置,方便后面自用✍️

nvidia-smi查看GPU信息
**
CUDA版本12.2
conda -V查询conda版本
22.9.0

新建conda环境
准备装python3.8

conda create --name caiman python=3.8.2

激活新环境

conda activate caiman

安装pytorch
IRRA需求是1.9.0
CUDA12.2还没有对应的正式版本,所以装的预版本
安装命令官网https://pytorch.org/get-started找对应
【持续记录】深度学习环境配置_第1张图片conda命令安装失败,原来一直用的pip所以还是换回pip命令(熟悉些)

(个人习惯)pip的默认源设置为清华源

python -m pip install --upgrade pip
pip config set global.index-url https://tuna.tsinghua.edu.cn.simple
pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu121

还是慢…
应该要重开一下终端的(下次注意)

查询是否成功安装pytorch(踩过坑:cuda和pytorch版本不匹配,根本没用上gpu)

(caiman)... :~$ python
>>>import torch
>>>print(torch.cuda.is_available())
Ture #这样成功,False再检查一下版本是不是对应
>>>torch.__version__ #顺便再看一眼pytorch版本
'2.2.0.dev20230913+cu121'

太多要装的包一下子不好想,干脆把项目先传进去,缺什么pip install什么

after long time(而且only传了一个最小的数据集)

值得注意的是yaml pip install yaml不成功,应该是pyyaml

pip install pyyaml

python进度条库tqdm,值得下载

pip install tqdm

还有nvitop可以监控GPU使用情况

pip install nvitop

这俩都是我用习惯了的小工具,现在才发现是另外安装的,没有还真不习惯,安装也很简单,直接pip;使用命令nvitop -m full实时展示显卡全部信息。

你可能感兴趣的:(Tips,python,linux)