PyTorch环境配置及安装 文章目录环境配置1. Anaconda 下载2. Anaconda 安装3. 显卡配置无 Nvidia 显卡的略过4. 新建一个屋子环境文件夹用于存放pytorch5. 安装 CUDA 和 PyTorch6. 加速忽略跳过离线安装7. 验证是否安装成功环境配置温馨提示为了更好的教程体验提供视频、阅读地址Youtube: https://www.youtube.com/playlist?listPLgAyVnrNJ96CqYdjZ8v9YjQvCBcK5PZ-VBiliBili: https://www.bilibili.com/video/av74281036/Github: https://github.com/xiaotudui/PyTorch-Tutorial相关下载https://pan.baidu.com/s/16koDDDvAFO7rNoi-uR-A_g 提取码pahi在学习中遇到任何问题可以关注公众号土堆碎念直接在对话框中留言我会不定时解答的~1. Anaconda 下载在机器学习深度学习中要用到大量的 package就是各种工具包。如果说函数是一个工具那么 package 就是一个工具包。一个个安装 package 很麻烦而且容易出现疏漏。于是就有了 Anaconda这是一个集成了常用于科学分析机器学习深度学习的大量package。也就是说你只要安装了 Anaconda就安装了很多我们之后要用的许多packages。他还有很多功能对入门帮助超大后面再说Anaconda历史版本链接别下载最新的距离个半年以上2. Anaconda 安装双击进行安装需要注意以下几点1记住安装路径之后会用到2跳过安装 Microsoft VSCode为了检验是否安装成功在开始菜单出左击 Anaconda Prompt如果可以成功打开且左边有 (base)即安装成功3. 显卡配置无 Nvidia 显卡的略过查看有无驱动可忽略直接进行第2步只要你打开任务管理器在 GPU 那里看到了你的 NVIDIA 显卡即可。说明你的硬件驱动已安装。如果你的 NVIDIA 显卡未显示可以使用驱动人生或者去官网下载驱动。2.打开cmd输入nvidia-smi查看驱动版本Driver Version显示该卡目前的驱动版本为391.25若报错nvidia-smi不是内部或外部命令也不是可运行的程序 把C:\Program Files\NVIDIACorporation\NVSMI添加到个人环境变量path4. 新建一个屋子环境文件夹用于存放pytorch也许你之后会遇到不同的项目需要使用到不同版本的环境。比如这个项目要用到 pytorch 0.4另一个项目要用到 pytorch 1.0如果你卸载了0.4版本安装了1.0版本。那么下一次你再碰到0.4版本你就需要卸载1.0版本安装0.4版本。很折腾。Anaconda 集成的 conda 包就能够解决这个问题。它可以创造出两个屋子相互隔离。一个屋子放 0.4 版本一个屋子放 1.0 版本。你需要哪个版本就进哪个屋子工作。我们首先使用conda 指令创建一个屋子叫做 pytorch:conda create -n pytorch python3.13python3.13可以改成其他的必须指定。但是别写python3.13.9这么细。否则里面没有任何python的packagesconda 是指调用 conda 包create 是创建的意思-n 是指后面的名字是屋子的名字 pytorch是屋子的名字可以更改成自己喜欢的python3.13 是指创建的屋子是 python3.13 版本。之后弹出提示输入 y即可安装。等待安装成功。查看拥有的屋子环境conda info --envs即可看到 conda 环境中有新建的 pytorch 环境。右边的 * 号表示当前你处于哪个环境。接下来我们要在新建的 pytorch 环境文件夹中安装 PyTorch有点绕进入 pytorch 环境conda activate pytorch你可以看到左边的 base 变成了 pytorch代表成功进入 pytorch 环境。在pytorch环境中安装matplotlib等库后续会发现pytorch环境缺少matplotlib等包安装时需要1.先进入pytorch环境conda activate pytorch2.命令安装如pip install matplotlib5. 安装 CUDA 和 PyTorch1.准备工作更新condaconda update -n base -c defaults conda2.正式安装选择安装版本根据第二步中nvidia-smi查看的cuda分值和驱动分值查阅下面链接表格确定我们要安装的cudatoolkit和pytorch的版本cudatoolkit和pytorch版本-必读NVIDIA CUDA Toolkit Release Notes查看表2表3根据Driver Version的分值确定cudatoolkit的版本。PyTorch、CUDA Toolkit 及显卡驱动版本参考阅读动手安装,寻找安装代码A新版本安装。从官网安装代码复制安装代码 conda install pytorch torchaudio torchvision cudatoolkit9.0 -c pytorch说明安装时cudatoolkit和pytorch是自动一起安装的我们可以【仅指定cudatoolkit版本推荐】【仅指定pytorch版本】【指定两者版本】下面将使用仅指定cudatoolkit版本的方法安装如果CUDA版本没有合适的就参考老版本安装大概率都是老版本安装B老版本安装老版本参考官网安装代码:版本号最好向下兼容比如我们的驱动分数支持cudatoolkit11.4最好安装cudatoolkit11.3由cuda的版本确定torch,torchvision,torchaudio的版本ctrlF搜索cuda版本号就可以得到适用的版本组合例如CUDA 11.3对应的torch1.12.1 , torchvision0.13.1, torchaudio0.12.1conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3 -c pytorch①使用conda activate pytorch进入 pytorch 环境中。②安装pytorch torchvision torchaudio cudatoolkitA使用官方源安装新版本conda install pytorch torchaudio torchvision cudatoolkit11.3 -c pytorch老版本conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3 -c pytorchB使用刚刚配置的中科大源等安装去掉-c pytorch#添加镜像源可以加快下载速度 #中科大源 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ # 设置成功后可以用以下指令查看是否添加成功 conda config --show channels新版本conda install pytorch torchvision torchaudio cudatoolkit11.3老版本conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3# 删除已添加的源 conda config --remove-key channels提示yes/no输入y。之后就是漫长的等待。或者去休息吧慢慢等着。如果你的并不慢恭喜恭喜6. 加速忽略跳过离线安装有的时候下载速度太慢了可以利用我已经下载好的文件适用于较高版本显卡自己的电脑不适用链接https://pan.baidu.com/s/1cyEjHdluc4ufCkvtbgziqA 提取码bzfx 复制这段内容后打开百度网盘手机App操作更方便哦将其中的pytorch-1.3.0-py3.6_cuda92_cudnn7_0.tar和cudatoolkit-9.2-0.tar两个文件复制到刚才 Anaconda 安装的目录下的 pkgs 文件夹中。这两个文件只能安装 pytorch1.3.0 和 cuda 9.2仅限Windows之后在 Anaconda Prompt 命令行窗口多按几次 Ctrl C 结束程序。然后重新复制 PyTorch 安装命令粘贴到命令行上进行安装。7. 验证是否安装成功1在命令行左边为 pytorch 环境中输入 python2之后输入import torch如果没有报错意味着 PyTorch 已经顺利安装了3接下来输入torch.cuda.is_available()如果是 True意味着你可以使用 GPU如果是 False意味着只能使用CPU。4查看pytorch版本torch.__version__