目录
Pytorch环境的安装
1、下载anaconda
这是我下载的版本:
2、下载之后,在开始菜单选择anaconda prompt
3、创建虚拟环境
4、激活进入虚拟环境
5、安装pytorch
怎么得到上面的这串命令?
输入nvidia-smi,查看cuda的版本号为11.7
我这里选择安装cuda的版本号为11.3,满足向下兼容即可。
在安装深度学习环境时,要满足cuda,pytorch,torchvision,Python它们之间的兼容,具体可见下表,我这里选择的组合用红框标出来了。
去到pytorch官网,找到相应的命令
6、查看环境下的package
使用conda list命令也可以。
6、验证cuda是否可以使用
显示True就可以了
常见问题:
1、创建虚拟环境时出现failed,参考下面blog
conda创建环境过程中出现“Solving environment: failed”报错的解决办法
我是用了方法二解决了这个问题。
2、安装Pytorch时出现failed
很有可能是版本不兼容,多试试。这个问题比较难,可以参考这篇blog
Anaconda安装及配置(CPU/GPU)pytorch深度学习环境(超详细!!!)
补充:
1、查看环境列表
2、删除之前创建的虚拟环境
3、CUDA,GPU,Pytorch是什么及它们之间的关系
GPU 是一种专门设计用于处理图形和图像的硬件,拥有大量的处理核心,能够并行处理大量的数据。
CUDA 是 NVIDIA 提供的一个并行计算平台和编程模型,使开发者能够利用 NVIDIA GPU 的计算能力来加速应用程序。
PyTorch 是一个开源的深度学习框架,提供了强大的工具和库用于构建和训练神经网络。
CUDA 是使 GPU 能够进行高效并行计算的技术,PyTorch 是一个利用 CUDA 加速深度学习计算的框架。
PyCharm中配置Pytorch环境
1、创建新项目,将Pytorch环境导入
2、验证cuda是否可以使用
Pytorch环境中安装Jupyter
由于初始情况下,jupyter只存在于base环境中,所以我们如果需要再Pytorch环境下使用Jupyter,那么需要在Pytorch环境下安装Jupyter。
1、使用conda install nb_conda即可安装
2、进入jupyter
3、创建含有Pytorch虚拟环境的notebook
4、验证cuda是否可以使用