引 言 pytorch作为常用的深度学习模型开放框架,使用率超级高。如何快速高效的安装pytorch包一直成为难题。为方便以后快速安装pytorch包,先用传统方式讲解从官网安装pytorch包,随后讲解采用whl文件的方式快速安装pytorch包。在阅读本文前可以阅读关于conda创建虚拟环境以及conda命令和pip命令安装包教程【https://blog.csdn.net/li1784506/article/details/130720201?spm=1001.2014.3001.5502】。
一、安装cuda
要安装cuda版本的pytorch包必须保证本地机安装了NVIDIA显卡,否则只能安装cpu版本的pytorch包(没有NVIDIA显卡可以略过此部分直接看pytorch包安装)。查看本地机是否有NVIDIA的显卡,可以从【任务管理器->性能】界面发现是否有NVIDIA的显卡。
有硬件是一切的前提条件,如果想使用cuda工具包还需要软件的支持,安装显卡驱动程序和cuda工具包。
- 显卡驱动安装
在桌面上鼠标右键查看是否存在NVIDIA控制面板选项,如果存在NVIDIA控制面板则说明显卡驱动已经安装否则需要登录【网址:https://www.nvidia.cn/】获取符合自己显卡型号的驱动程序并安装。
驱动安装完毕后就可以查看显卡的cuda驱动API版本(也就是显卡支持的最高cuda版本)。可以在【NVIDIA控制面板】界面左下脚的系统信息
中选择组件
查看当前NVIDIA显卡支持的最大cuda版本。
也可以在命令行窗口中输入以下命令查看显卡支持的cuda驱动API版本
nvidia-smi #查看cuda驱动版本
- 安装cuda包
根据当前显卡支持的最高cuda版本,选择比该版本号低的cuda工具包下载并安装,【cuda工具包网址:https://developer.nvidia.com/cuda-toolkit-archive
c】。安装完毕后,调用命令查看cuda-toolkit是否安装成功以及查看cuda的运行API版本。
nvcc -V #查看cuda运行版本
nvcc --version #与nvcc -V等效
注意: 显卡支持的cuda驱动API版本是【12.3】,而我们下载安装的cuda运行API版本是【11.2】,也就是上文提到的运行版本可以与驱动版本不同。
二、安装pytorch包
(1)要想找到符合自己操作系统和cuda版本的pytorch包,需要先登录pytorch官网【https://pytorch.org/】。按照自己的操作系统和cuda版本以及想要安装的pytorch版本进行pytorch包选择,也可以安装以前版本的pytorch包,随后复制Run this Command行出现的安装命令。命令粘贴到anaconda prompt命令窗口中,就可以安装了。
温馨提示: 安装包的方式推荐使用conda,pip采用的是从源代码解析安装,如果代码中包含C库很有可能无法解析,conda采用的是预编译二进制文件的方式解析安装。这个包已经有大神级人物帮你完成了令人痛苦的对文件的编译工作。
(2)第一种官网安装的方式看似简单,实际情况并不令人满意,受网络速度影响,包可能安装比较慢甚至无法安装。于是乎我们可以采用安装whl的方式安装pytorch包。先从whl网站下载torch、torchvision以及torchaudio对应版本的whl文件到本地计算机。注意: 版本号的查找可以通过查看上一种方式在命令行中给出的三个包的版本号对应选择。
【whl下载链接:https://download.pytorch.org/whl/torch_stable.html】
也能够在加载过程中的命令行窗口中看到。
然后在whl存储文件夹下打开anaconda prompt 命令窗口,调用pip install ***.whl
命令的方式安装即可。
安装完毕后,查看包是否安装成功可以调用命令conda list
,查看展开的列表中是否存在三个包名称。
三、总结
Pytorch作为一个开源框架对于深耕于深度学习的小伙伴来说是一个必备工具。本文主要讲解pytorch包的安装流程。如果阅读完后觉得有实际用处记得点赞收藏😊