本博客适用人群
需要在Pycharm中搭建深度学习环境(Pytorch)的用户,包含换源操作和第三方库下载。
需要的软件
1.Anaconda
2.Pycharm
上述软件的下载安装过程不包含在本博客
Anaconda简介
Anaconda以Python及C语言写成,以图形的PyGTK和文字的python-newt介面写成。可以用来自动安装配置,使用户能够以最小的监督运行。可以看做Python的一个集成安装,安装它后就默认安装了python、IPython、集成开发环境Spyder和众多的包和模块。–百度百科
知识储备
1.在Pycharm中搭建深度学习环境(Pytorch)主要指的是需要搭建一个具有CUDA的虚拟环境。
2.CUDA是英伟达(NVIDIA)开发的一种基于GPU的并行计算平台和编程模型。
正式搭建环境
查看显卡生产商
由知识储备2可知,只有显卡是NVIDIA才支持下载CUDA,但是显卡是其他生产商的uu也不用担心,CUDA也提供了CPU版本的下载。因此在下载CUDA之前我们需要查看本机的显卡生产商。
具体步骤如下:
- 在搜索框中输入“设备管理器”并打开。
如上图,笔者电脑的显卡为AMD厂商,因此只能安装CPU版的CUDA,若读者的显卡为INVIDIA厂商,右键“属性”查看显卡版本后用作后续选择下载对应的GPU版的CUDA。
下载CUDA
由知识储备1可知,我们的目的是要搭建一个具有CUDA的虚拟环境,因此我们需要先创建一个虚拟环境,再在这个虚拟环境里面安装合适我们的CUDA。
具体步骤如下:
1. 打开“Anaconda Promt(anaconda3)”
2. 在命令行中输入”conda env list“,查看当前存在的虚拟环境
可以看到笔者已经搭建了一个具有CPU版CUDA的虚拟环境,该虚拟环境名为”pytorch-cpu“
3. 创建一个准备用于安装CUDA的虚拟环境。
指令格式为:conda create -n [name] [packages]
name: 虚拟环境名,如”pytorch-cpu“
packages: 需要安装的包(第三方库),如”pandas“等,当然也可以为空,后续需要再在虚拟环境中下载包(第三方库)。
若创建虚拟环境过程缓慢请先进行Anaconda换源操作
如上图所示,笔者创建了一个空的虚拟环境名为”pytorch-cpu2“(可通过”conda env list“再次确认)
4. 将合适本机的CUDA安装到刚刚创建的虚拟环境中。
点击→Pytorch官网,下载对应的CUDA。
选择到了合适的CUDA的后,复制Run this Command中的指令,该指令作用是在当前虚拟环境中下载你所选择的CUDA。因此我们需要先指定下载CUDA的虚拟环境。通过”conda activate [name]“来激活名为”name“的虚拟环境,使以后的命令作用关于该虚拟环境。
将刚才复制的链接粘贴到当前命令行中,开始在当前虚拟环境下载CUDA
出现上面页面时,输入“y”即可下载CUDA,若进程执行完后,有某个包并没有下载成功,直接再次执行在Pytorch中复制的链接即可,Anaconda会自动下载方才没有下载成功的包。
若创建下载过程缓慢请先进行Anaconda换源操作
5. 检查CUDA是否下载成功
如下图,依次输入对应指令
将安有CUDA的虚拟环境加载到Pycharm中
打开“Pycharm”后打开“设置”,点击“添加解释器”
在你的电脑中找到自己新建的虚拟环境目录
在该目录下找到python.exe并选中后点击“确定”,将该环境加载到Pycharm
加载后在编译器中可见torch包已被安装,接下来在编译器中导入torch包不应报错
如果想安装其他包怎么办?
方法1:直接在Pycharm中搜索下载(常用方法)
方法2:在“Anaconda Promt”终端上下载(推荐,学计算机还是得多玩玩命令行) 命令格式:conda install [pack_name]
如我希望下载pandas包则输入"conda install pandas"
安装过程与上面安装CUDA的过程类似。
注:安装完后,Pycharm编译器不会自动更新,需要进行与“将安有CUDA的虚拟环境加载到Pycharm中”同样的操作,手动更新Pycharm中的虚拟环境,只有这样才能试刚刚安装的包可在编译器中使用。