楼主电脑的环境是Win10+Anaconda3(内含Python3.7)+CUDA10.0.132
pytorch1.2是自动下载安装的,所以是自动对应的1.2版本的pytorch。
一、首先下载并安装Anaconda,百度“Anaconda”,到官方网站下载https://www.anaconda.com/distribution/,楼主下载版本如下图(内含Python3.7):
下载后安装即可。Anaconda至此就安装完毕了。主要用Anaconda Prompt,Anaconda Navigator,Spyder
然后,就是下载Pytorch了,百度“Pytorch”,到官方主页https://pytorch.org,根据自己的电脑环境进行选择,我做了如下选择:
如上图所示,打开Anaconda Prompt,然后输入上述命令conda install pytorch torchvision cudatoolkit=10.1 -c pytorch即可安装pytorch。
但我得先安装一下CUDA(当然如果你不用CUDA进行GPU加速,可以选择不装,上图CUDA不选10.1选None即可)
首先看一下我的显卡要安装哪个版本的CUDA
右键点击“我的电脑”→“属性”→“设备管理器”,查看我的笔记本电脑显卡是英伟达GeForce GTX 1050Ti,可以使用CUDA。
二、CUDA的下载安装
1、下载并安装CUDA,百度“CUDA”发现版本众多,当前2019-11-24最新版是10.1,不知道我的显卡适用哪个版本,因此按如下方法查看显卡适用的CUDA版本。
2、在电脑桌面上右键单击,查看显卡支持的CUDA版本为10.0.132,于是下载安装了CUDA10.0,大小为2.04GB。
CUDA Toolkit历史版本官方链接:https://developer.nvidia.com/cuda-toolkit-archive
CUDA安装完成后,运行cmd,然后输入nvcc -V,验证安装。如下图
三、打开Anaconda Prompt,执行命令conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
遇到问题:下载安装总是失败,楼主尝试了n多次(n≥7),包括更换网络,用手机提供热点等,发现下载速度太慢,http连接总是出错,无法成功下载安装。
于是百度相关问题“pytorch安装慢”等。看了很多篇网友的文章,有些不够全面,有遗漏。现将解决方法总结如下:
打开Anaconda Prompt,一条一条输入如下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
目的是添加清华源地址。
继续输入命令,添加第三方conda源地址。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
(可选)可以查看一下.condarc文件,显示结果如下:
然后执行命令:conda install pytorch torchvision cudatoolkit=10.0
注意:没有了-c pytorch
就是我们没有使用pytorch的源,而改成清华镜像的源。我用pytorch的源一直出现http连接错误,无法正常完成下载安装。按上述步骤修改后,问题得以解决!
最后执行命令import torch
再执行命令print(torch.__version__)
显示1.2.0
再执行命令torch.cuda.is_available()
显示True
希望这篇文章能够帮助到你。