1、安装Ubuntu16.04.6
2、安装cuda到系统目录
选择.run文件方式安装,并选择安装驱动.(如果执行了该步骤,后面可以免去单独安装驱动的步骤)
3、安装Anconda python3.7
4、切记所有包的安装都使用清华镜像,切不可同时使用清华镜像和pytorch官方源以及python官方源
5、配置conda源
使用命令或者在~/.coudarc文件中添加清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
然后执行
conda config --set show_channel_urls yes
所有的anaconda python环境共享该配置
6、配置pip源
mkdir ~/.pip
cd ~/.pip
gedit pip.conf
添加以下内容到pip.conf文件
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
所有的anaconda python环境共享该配置
7、创建新的python环境
Anaconda默认的环境以及各种包来自anaconda源,如果包的来源不一致会产生莫名其妙的问题,这里还在重新创建一个新的来自清华镜像的python环境,,且python版本不宜过高,我选为3.6。以下操作均在该环境下
conda create -n python36 python=3.6
conda activate python36
删除一个python环境 Conda remove -n python36 --all
8、安装pytorch
打开pytorch官网,按照下图conda命令安装。如果不成功,可以多次执行conda命令.
conda命令中的参数-c pytorch表示优先使用pytorch官方channels,因为已经添加了国内channels,所以一定去掉该参数,否则 还会使用pytorch的通道。
需要注意的是,使用conda命令安装的cuda包含cudnn,所以执行conda安装命令前务必确保GPU型号、cudnn版本号、cuda版本号一致。例如,我电脑上配备的是Pascal架构(计算能力6.1)的GTX1060,即将安装的cuda10.1,cudnn7.6.5之间的版本是一致的。
版本一致性信息可到下列网站查询
https://docs.nvidia.com/deeplearning/sdk/index.html
9、conda命令成功执行后,执行下述测试代码,发现成功输出,说明pytorch安装成功了
10、执行下述语句,看看能不能使用cuda,如果输出false,说明cuda不可用
如果Pytorch安装成功,但是cuda却不可用,那时因为conda安装的cuda包并不包含显卡驱动(也没有安装nvcc),而安装pytorch前又没有安装cuda.
11、安装tensorboard
Pytorch使用tensorflow的tensorboard做可视化任务,因此需要在anaconda中安装tensorboard
Pytorch和tensorflow共存在anaconda中会干扰tensorboard,所以不要安装tensorflow
安装tensorboard的pip命令如下
pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple
如果配置过pip源,直接 pip install tensorboard即可