安装 pytorch 环境

安装 pytorch 环境

作者：解琛
时间：2020 年 8 月 20 日

一、安装 Annaconda

Anaconda 清华镜像

sh Anaconda3-5.3.1-Linux-x86_64.sh

二、安装 cuda 和 cudann

2.1 检测 NVIDIA 图形卡是否支持 GPU 运算

jerome@jerome:~/software/0.软件包$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:1c.5/0000:05:00.0 ==
modalias : pci:v00008086d000008B3sv00008086sd00008070bc02sc80i00
vendor   : Intel Corporation
model    : Wireless 3160 (Dual Band Wireless AC 3160)
manual_install: True
driver   : backport-iwlwifi-dkms - distro free

== /sys/devices/pci0000:00/0000:00:1c.4/0000:04:00.0 ==
modalias : pci:v000010DEd0000139Asv0000103Csd000080DDbc03sc02i00
vendor   : NVIDIA Corporation
model    : GM107M [GeForce GTX 950M]
driver   : nvidia-driver-435 - distro non-free
driver   : nvidia-driver-440-server - distro non-free recommended
driver   : nvidia-driver-440 - distro non-free
driver   : nvidia-driver-390 - distro non-free
driver   : nvidia-driver-418-server - distro non-free
driver   : xserver-xorg-video-nouveau - distro free builtin

我的显卡是：[GeForce GTX 950M]，拿着显卡型号去 NAVIDIA官网 去查一下是否支持 GPU 运算。

2.2 安装推荐的显卡驱动程序

对照显卡对应版本的 关系表 ，进行安装。

GPU	Compute Capability
GeForce GTX 960	5.0

在 软件和更新 里面，选择专有驱动进行安装。安装好之后重启电脑，输入以下指令确认安装完成。

jerome@jerome:~$ sudo nvidia-smi
[sudo] jerome 的密码： 
Tue Jul 21 00:05:12 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.100      Driver Version: 440.100      CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 950M    Off  | 00000000:04:00.0 Off |                  N/A |
| N/A   47C    P5    N/A /  N/A |    245MiB /  4046MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      3334      G   /usr/lib/xorg/Xorg                            85MiB |
|    0      3496      G   /usr/bin/gnome-shell                          98MiB |
|    0      3938      G   ...AAAAAAAAAAAACAAAAAAAAAA= --shared-files    58MiB |
+-----------------------------------------------------------------------------+

我的 cuda 版本是 10.2，对照 关系表 确认各个软件的版本。

2.3 安装 cudann

sudo apt install nvidia-cuda-toolkit

2.4 安装 pyTorch

pip install torch torchvision

由于包体太大，这种方式安装容易断线，不知道后面会不会修复。

可以使用 conda 进行安装。

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

直接使用离线安装的方式，目前来看更加稳妥。官方提供了 下载选项。

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
# if you are updating an existing checkout
git submodule sync
git submodule update --init --recursive

接着配置环境变量并开始安装。

echo 'export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}' >> ~/.bashrc

python3 setup.py install

三、 测试

import torch as t
x = t.rand(5,3)
y = t.rand(5,3)
if t.cuda.is_available():
    x = x.cuda()
    y = y.cuda()
    print(x+y)

成功使用 gpu 运算，环境安装完毕。

0.0624  1.3100  1.0462
 1.3511  1.1635  1.1907
 0.8890  1.0524  1.0477
 1.5921  1.0428  0.6046
 0.3175  0.9421  1.4520
[torch.cuda.FloatTensor of size 5x3 (GPU 0)]