目录
点击Download直接下载最新版(下载速度还可以,不需要找镜像什么的)
下载完成之后安装即可,所有设置都默认,但是注意修改Anaconda的安装路径,不要把它安装在C盘里,否则后面你的C盘可能会炸,同时记住安装路径,后面要用到。安装完成之后点击这里:
编辑为了让大家更好地理解虚拟环境是什么,我们来看看我们刚刚创建的虚拟环境在哪里
其余所有选项都按上图选择,但是选择CUDA版本之前,需要先查看你电脑的显卡驱动版本及CUDA版本。可以在刚才的命令行中输入以下指令查看。
Driver Version代表你的显卡驱动,CUDA Version代表你电脑的CUDA版本
从接触深度学习以来,每次安装Pytorch都会不幸地遇到很多麻烦,在最近一次安装之后,我终于痛定思痛,决心找出一条适合小白的Pytorch安装之路,免得像我一样在这种事情上耗费太多时间和精力。我在这件事情上的摸爬滚打告诉我:几乎在安装过程所碰到的所有问题,都是由各种包之间版本不兼容导致的。
第一步:安装Anaconda
直接安装最新版的Anaconda就好了,小白最好不要尝试安装旧版的,因为安装Anaconda的时候,会附带安装Python以及很多常用的Python包,旧版的Anaconda里通常附带的是低版本的Python以及一些版本较低的包,而后续安装Pytorch的时候又会安装一大堆的包,安装旧版的Anaconda很可能会导致版本不兼容的问题,而最新版的Anaconda一般不会出现这种问题,因为新版本总是会兼容旧版本。
这里进入官网
点击红框标注的Free Download
点击Download直接下载最新版(下载速度还可以,不需要找镜像什么的)
下载完成之后安装即可,所有设置都默认,但是注意修改Anaconda的安装路径,不要把它安装在C盘里,否则后面你的C盘可能会炸,同时记住安装路径,后面要用到。安装完成之后点击这里:
会出现一个命令行窗口:
接下来我们开始构建一个名为test的虚拟环境
在刚才打开的命令行中复制下面这段代码:
conda create -n test python
有的教程里面可能会指定Python版本,但是作为小白最好不要指定,默认就是和你安装的Anaconda相匹配的Python版本,不要瞎搞,避免后续出错。创建完成之后长这样:
为了让大家更好地理解虚拟环境是什么,我们来看看我们刚刚创建的虚拟环境在哪里
首先打开你安装Anaconda的地方,我安装在了E盘,所以打开E盘找到它:
点击进入,可以看到有一个名为envs的文件夹,字面意思也很好理解,就是存放环境的地方
点击进入envs文件夹,可以看到刚刚创建的名为test的环境,其余几个文件夹是我之前创建的环境,大家不用管。看到这里大家应该对虚拟环境已经有了一些认识,下面我们继续
在命令行中输入以下命令,进入刚刚创建的虚拟环境
conda activate test
仔细观察可以看到:前面的括号内由base变成了test,说明现在已经进入了虚拟环境,下面正式进入Pytorch的安装。
第二步:安装Pytorch
首先,进入Pytorch官网
往下滑可以发现一个配置面板
其余所有选项都按上图选择,但是选择CUDA版本之前,需要先查看你电脑的显卡驱动版本及CUDA版本。可以在刚才的命令行中输入以下指令查看。
nvidia-smi
Driver Version代表你的显卡驱动,CUDA Version代表你电脑的CUDA版本
如果你的Driver Version小于400,去360驱动大师更新你的显卡驱动,非常方便
如果你的Driver Version大于400,那么请查看你的CUDA Version,如果你的CUDA Version版本过低,在前面提到的配置面板里没有显示,请将你的CUDA版本升级为配置面板里有的一个版本即可,比如我的配置面板里有两个选择:CUDA 11.8和CUDA 12.1,举例来说,可以选择升级到11.8
下面是升级的步骤:
打开链接,选择你要的版本:CUDA Toolkit Archive | NVIDIA Developer
比如选择11.8(根据你的情况而定,不一定非要和我一样)
像我这样选择之后,点击Download
下载完成之后进行安装,安装教程参考:【精选】CUDA安装及环境配置——最新详细版_abbrave的博客-CSDN博客
安装完成后,命令行输入
nvidia-smi
不出意外的话,这个时候CUDA Version会变为11.8
到此为止,准备工作差不多就结束了
回到配置面板,选择和你电脑上的CUDA版本对应的选项,比如说我的CUDA版本为11.8,这里我就这样选
选好之后复制配置面板最下面的指令,粘贴到命令行里运行
有些文章可能会说,这样安装太慢了,用国内源安装会快一些,但是千万不要这么做,因为我们现在安装的是最新版的Pytorch,国内源不一定更新了,所以小白最后不要去尝试。至于为什么所有的东西我们都要安装最新的,就是因为这样可以最大程度避免各种包之间版本不适配。
这样做前期可能会费点时间,但不会报错,相比于报错之后花好几天去解决,这样做花的时间简直是九牛一毛。
安装结束之后输入下面的命令测试是否安装成功
import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
Pytorch的安装到这里就结束了,如果你的项目里还需要安装其他包,请先进入虚拟环境,然后再输入命令进行安装。
这里以opencv-python为例,为了避免版本问题,直接输入:
pip install opencv-python
切记不要指定版本,默认安装最新版,避免出现不必要的麻烦
如果要快一点,可以用清华源:
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple