基于anaconda安装pytorch
🌟Date:2024.09.03
由于要使用神经网络,因此需下载pytorch
显卡:NVDIA RTX 4060
CUDA version:12.2
anaconda虚拟环境:pyhton3.11.9
一、基于anaconda创建虚拟环境
(1)管理员身份运行 anaconda prompt
(2)输入以下命令:
#创建虚拟环境名
conda create -n RL_env python=3.11.9
#查看已创建环境
conda info --envs
#切换到创建的环境中(很重要)
conda activate RL_env
#安装一些常用的库
conda install numpy
conda install matplotlib
#安装可视化编程插件spyder
#切换国内清华大学的库源安装,速度会很快
pip install spyder -i https://pypi.tuna.tsinghua.edu.cn/simple
#安装完后直接输入,启动spyder
Spyder
(3)设置python编译器,为虚拟环境安装的python.exe
二、安装CUDA toolkit
(1)打开cmd(管理员身份运行),检查可安装cuda toolkit的最高版本
(2)打开nvidia CUDA官网下载对应版本CUDA toolkit
(3)下载完后开始“傻瓜式”安装
三、检验CUDA是否正确安装
(1)环境变量检查
(2)Cmd下进入安装目录路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\extras\demo_suite
分别运行两个检测程序deviceQuery.exe和bandwidthTest.exe
(3)最后查看cuda toolkit安装版本
(版本安装错误参考下面的步骤)
⚠️ps:CUDA版本是向下兼容的,按道理越高版本越好
CUDA删除
直接进入“添加或删除程序”
搜索“CUDA”将安装的4项移除
删除后最好重启再安装新的CUDA版本
删除完后,记得将“C:\Program Files\Nvidia GPU Computing Toolkit”也删除,并检查环境变量是否已经删除
四、安装pytorch
(1)打开anaconda prompt,并进入虚拟环境,检查对应python版本
(2)进入pytorch官网,选择系统、编程语言、cuda版本等,准备下载
接着用对应命令行进行pip下载和安装
⚠️发现下载速度很慢,于是采用手动下载的方式
(3)手动下载所需包
https://mirror.sjtu.edu.cn/pytorch-wheels/cu121/?mirror_intel_list
由于torch本体太大,官网下载速度很慢,因此找了上海交大的镜像源进行下载,同样是要对应anaconda的虚拟环境的python版本(这里是python3.11)
其中cu121代表cuda12.1版本,cp311代表python3.11版本
https://download.pytorch.org/whl/在网站的子目录(torchvision和torchaudio下)找到cuda对应版本的下载(由于torch没有cuda12.2的版本,因此直接下载对应前序的版本12.1)
下载完后
Ps:三个版本是对应的
(4)pip离线安装torch包
通过pip离线安装方式在虚拟环境(RL_env)中安装
pip3 install D:\1res_env\pytorch_pip_setup\torch-2.3.0+cu121-cp311-cp311-win_amd64.whl
pip3 install D:\1res_env\pytorch_pip_setup\torchvision-0.18.0+cu121-cp311-cp311-win_amd64.whl
pip3 install D:\1res_env\pytorch_pip_setup\torchaudio-2.3.0+cu121-cp311-cp311-win_amd64.whl
五、检验pytorch是否安装成功
Python环境下用以下语句检验,
torch.cuda.is_available()指令检测GPU加速是否启用