- 准备工作:
针对的是anaconda下的pytorch安装,因此默认电脑已经有了anaconda。 - 首先查看自己的显卡版本。
网上推荐的大都是在 命令行下,使用nvcc --version命令
如下所示:nvcc --version
但是老给我报错,解决无果。
C:\Users\Dell>nvcc --version 'nvcc' 不是内部或外部命令,也不是可运行的程序 或批处理文件。 C:\Users\Dell>
我就不信不用这个明明查看不了显卡版本。后来我换了另外一种方式,成功的查看了显卡版本。
使用 nvidia-smi命令也可以查看显卡版本!!!nvidia-smi
如下所示:
-
在 Anaconda prompt 下进行安装pytorch
先去 pytorch官网 选择 自己所需要的 版本 ,官网如下:https://pytorch.org/
我用conad命令安装会很慢,而且报了错,没有解决,尝试了pip安装,成功了!!。我的选择如下:
在 Anaconda prompt 输入命令即可。注意:切换到你的需要安装的环境下:conda常用的命令可以参考这边文章(conda指令):https://blog.csdn.net/menc15/article/details/71477949
为什么我要用 --user ?因为直接用 pytorch 中的命令,我报了权限不够的错误,按照提示加了 --user,然后捂着眼睛,矮... 一两分钟,两分钟以后就好了(滑稽)。我当时的错误如下:
ERROR: Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问。: 'c:\\anaconda\\envs\\xxx\\lib\\site-packages\\~orch\\lib\\asmjit.dll' Consider using the `--user` option or check the permissions.
然后就安装成功啦!有图为证!
- 在pycharm中测试 pytorch
尼玛!!又给我报错!没有什么C++?!
pycharm 中的 error: Visual C++ Redistributable is not installed, this may lead to the DLL load failure.
解决方案参考这篇文章即可:https://blog.csdn.net/qq_29750461/article/details/108083764
然后安装了C++的环境以后,两分钟以后又好了!
用下面这个例子测一下pytorch和GPU!
准确率在 90以上应该。import torch import torch.nn as nn from torch.autograd import Variable import torch.utils.data as Data import torchvision import time # import matplotlib.pyplot as plt torch.manual_seed(1) EPOCH = 1 BATCH_SIZE = 50 LR = 0.001 DOWNLOAD_MNIST = True if_use_gpu = 1 # 获取训练集dataset training_data = torchvision.datasets.MNIST( root='./mnist/', # dataset存储路径 train=True, # True表示是train训练集,False表示test测试集 transform=torchvision.transforms.ToTensor(), # 将原数据规范化到(0,1)区间 download=DOWNLOAD_MNIST, ) # 打印MNIST数据集的训练集及测试集的尺寸 print(training_data.train_data.size()) print(training_data.train_labels.size()) # torch.Size([60000, 28, 28]) # torch.Size([60000]) # plt.imshow(training_data.train_data[0].numpy(), cmap='gray') # plt.title('%i' % training_data.train_labels[0]) # plt.show() # 通过torchvision.datasets获取的dataset格式可直接可置于DataLoader train_loader = Data.DataLoader(dataset=training_data, batch_size=BATCH_SIZE, shuffle=True) # 获取测试集dataset test_data = torchvision.datasets.MNIST( root='./mnist/', # dataset存储路径 train=False, # True表示是train训练集,False表示test测试集 transform=torchvision.transforms.ToTensor(), # 将原数据规范化到(0,1)区间 download=DOWNLOAD_MNIST, ) # 取前全部10000个测试集样本 test_x = Variable(torch.unsqueeze(test_data.test_data, dim=1).float(), requires_grad=False) # test_x = test_x.cuda() ## (~, 28, 28) to (~, 1, 28, 28), in range(0,1) test_y = test_data.test_labels # test_y = test_y.cuda() class CNN(nn.Module): def __init__(self): super(CNN, self).__init__() self.conv1 = nn.Sequential( # (1,28,28) nn.Conv2d(in_channels=1, out_channels=16, kernel_size=5, stride=1, padding=2), # (16,28,28) # 想要con2d卷积出来的图片尺寸没有变化, padding=(kernel_size-1)/2 nn.ReLU(), nn.MaxPool2d(kernel_size=2) # (16,14,14) ) self.conv2 = nn.Sequential( # (16,14,14) nn.Conv2d(16, 32, 5, 1, 2), # (32,14,14) nn.ReLU(), nn.MaxPool2d(2) # (32,7,7) ) self.out = nn.Linear(32 * 7 * 7, 10) def forward(self, x): x = self.conv1(x) x = self.conv2(x) x = x.view(x.size(0), -1) # 将(batch,32,7,7)展平为(batch,32*7*7) output = self.out(x) return output cnn = CNN() if if_use_gpu: cnn = cnn.cuda() optimizer = torch.optim.Adam(cnn.parameters(), lr=LR) loss_function = nn.CrossEntropyLoss() for epoch in range(EPOCH): start = time.time() for step, (x, y) in enumerate(train_loader): b_x = Variable(x, requires_grad=False) b_y = Variable(y, requires_grad=False) if if_use_gpu: b_x = b_x.cuda() b_y = b_y.cuda() output = cnn(b_x) loss = loss_function(output, b_y) optimizer.zero_grad() loss.backward() optimizer.step() if step % 100 == 0: print('Epoch:', epoch, '|Step:', step, '|train loss:%.4f' % loss.item()) duration = time.time() - start print('Training duation: %.4f' % duration) cnn = cnn.cpu() test_output = cnn(test_x) pred_y = torch.max(test_output, 1)[1].data.squeeze() accuracy = sum(pred_y == test_y) / test_y.size(0) print('Test Acc: %.4f' % accuracy)
- 总结:
出了三次bug,第一次是 conda 命令安装 pytorch,错误我不记得了,最后没有解决。第二次是 pip安装,权限不够,加了 --user 后,就好了。推荐使用 pip 安装,不是因为我报了错,而是因为conda下载包有点慢。 第三次是报了没有安装C++的错误,在网上收到了解决方案。