配置pytory环境

日拱一卒不慌忙

已于 2022-07-18 13:13:51 修改

阅读量2k

点赞数 2

文章标签：大数据

于 2022-07-14 22:26:01 首次发布

本文链接：https://blog.csdn.net/MOZHOUH/article/details/125792562

版权

又是环境配置的一整天

1、安装cuda

根据电脑的显卡信息下载相应版本的cuda

桌面横栏右下角的隐藏图标中打开NVIDIA控制面板

在控制面板的中的帮助信息中打开系统信息

系统信息中显示中组件中NVCUDA64.DLL中显示的额CUDA11.2.139就是你电脑目前最高支持的CUDA版本，在下载链接中下载相应版本，版本可选低不可选高。

CUDA下载链接：CUDA Toolkit Archive | NVIDIA Developer(网站打开较慢，耐心等待)

我选择11.2.2的版本

选择Windows x86_64 10 exe(local)

CUDA环境变量配置:

win10下CUDA和CUDNN的安装（超详细）！亲测有效！_没有人喜欢一个人的博客-CSDN博客_cuda安装

建议参考上文，如果C盘快爆了，不想装到C盘，建议在D盘中设置相同的子文件夹，将相关的文件下载在对应的文件夹下，环境配置时只需要修改前缀，亲测有效。

2、安装cudnn

根据cuda的版本确定cudnn的版本

cudnn下载链接：cuDNN Archive | NVIDIA Developer

Download cuDNN

会先让你join创建用户，然后会让你填写一份问卷，填写完问卷后login就可以去下载相应版本cuDNN （Windows-x86）

下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件夹直接复制到CUDA的安装目录下...\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，直接覆盖即可。

3、下载torch和torchvision

下载链接：https://download.pytorch.org/whl/torch_stable.html

torch与torchvision的对应关系

根据自己的cuda版本，Python版本，选择安装相应的torch，然后再选择安装相应的torchvision

这几个都要对应好，黑色箭头cu113就是cuda11.3，绿色箭头是torch版本，蓝色39就是python版本3.9，然后都有linux和windows两种，选择Windows版本，根据你自己的各个版本去下载对应的whl文件

下载比较慢的时候可以打开更换网络（手机共享网络也可以），我下载torch的时候安装到一般没进度了，我就打开手机热点（移动），很快就下载完了。

4、建立一个Python虚拟环境安装torch和torchvision

打开pycharm，新建一个项目（譬如Pytorch），在终端中输入conda create -n PyTorch python=3.9 建立一个Python编译环境（python的版本与torch与torchvision对应的编译环境一致，我选的的是python3.9,环境的名称是PyTroch）

安装完成后win+R cmd打开终端，切换到pycharm的项目下打开对应的编译环境，激活后对应的前缀变为（PyTorch），也即在此编辑环境下运行。

在你的虚拟环境中切换到你两个whl文件的安装目录，安装torch和torchvision

pip install (文件全称.whl)

安装torchvision可能会因为太慢而安装失败，加入镜像源网址，就会大幅提速很快安装好

举个栗子：

pip install torchvision-0.10.1+cu111-cp39-cp39-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple package_name

安装结束后，最后一步验证环境。

5、验证环境成功配置

打开pycharm，刚才新建的项目Pytorch，在file-setting-Project:Pytorch-python Interpreter中选择编译环境，需要选择刚才安装了torch和torchvision的环境

把刚才新建的编译环境添加到库中

选择Existing enviroment，根据anaconda的环境地址选择相应的python.exe

选择好环境后，可以看到编译器的程序包中是包含torch和torchvision

在项目的主程序中也检查一下编译环境是否正确

在主程序中输入

import torch

print("torch version {}".format(torch.__version__))
print("cuda is available {}".format(torch.cuda.is_available()))

给出正确版本和Ture的结果就说明Pytory安装成功了

import torch
import numpy as np
arr=np.ones((3,3))
print("arr的数据类型为："+str(arr.dtype))
t=torch.tensor(arr)
print(t)

再输入一段代码检测一下是否正常运行，结果为

以上所有内容就结束了。

网上的教程颇多也比较详细，我这边是对某些步骤做一定的补充

tips

1、cuda和cudann网页打开较慢，多次尝试刷新；

2、在CUDA环境变量配置中，若将CUDA安装在D盘，为了防止出错建议建立相同子文件夹；

3、torch下载较慢，可以手机热点共享提速；

4、torchvision的pip安装较慢，可以使用添加网络镜像源加速；

5、环境验证提供了较为详细的步骤可供参考。

主要参考文献：

Pytorch安装，这一篇就够了，绝不踩坑_孔德浩的博客-CSDN博客_pytorch 安装

(3条消息) win10下CUDA和CUDNN的安装（超详细）！亲测有效！_没有人喜欢一个人的博客-CSDN博客_cuda安装

最后，感谢在解决问题过程中各位大佬的帮助，如果我的回答帮助到你，还麻烦给我点赞加油呀~~