远程服务器配置pytorch+mmseg环境

UniverseSaysYes

已于 2024-03-20 23:42:37 修改

阅读量366

点赞数 7

文章标签：服务器 pytorch 人工智能

于 2024-03-20 16:07:52 首次发布

本文链接：https://blog.csdn.net/m0_63016107/article/details/136878973

版权

本文详细介绍了如何在服务器上为PyTorch（1.13.1+cu116）和mmsegmentation进行环境配置，包括检查CUDA版本，使用Conda创建新环境，安装PyTorch及其依赖，并提供了解决pip下载速度问题的方法。

摘要由CSDN通过智能技术生成

一、pytorch环境配置

1.查看服务器cuda版本

nvcc --version

可以看出cuda版本为11.6

而以下命令查看的是表示驱动可兼容的最高cuda版本,为12.0,并非服务器的cuda版本！！！

nvidia-smi

2.新建环境(ENVS为环境名，python=3.x为python版本号)

conda create -n ENVS python=3.x

3.根据cuda版本，进入pytorch官网https://pytorch.org/get-started/previous-versions/寻找对应的版本。（本服务器cuda版本为11.6）

4.进入刚才新建好的环境

conda activate ENVS

5.根据刚才查找的命令，安装pytorch

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

等待几分钟安装即可

6.验证

输入python进行python环境，再import torch

再输入print(torch.cuda.is_available())，出现True则证明安装成功

二、mmsegmentation环境配置

1.为避免pip下载速度过慢，可以先换源（阿里/清华/交大）

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

2.进入开始所创建的环境，开始安装配置mmsegmentation

pip install -U openmim
mim install mmengine
mim install mmcv==2.0.0rc4

3.从git上下载mmsegmentation文件，进入该文件夹

pip install -v -e .

这样就安装成功啦~

关注