jupyter notebook中创建环境、安装使用pytorch

5.8 torch环境

Ref:https://zhuanlan.zhihu.com/p/101799677

  • 添加镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
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
  • anaconda prompt创建新环境
conda create -n torch
  • 进入环境
conda activate torch
conda install pytorch torchvision cpuonly

注意不要官方命令原版的结尾的-c pytorch

  • 验证pytorch安装好
python
import torch
torch.__version__
  • 新建的环境是没有安装ipykernel的,所以无法注册到Jupyter Notebook中,所以先要准备下环境:
# 安装ipykernel
conda install ipykernel
# 写入环境
python -m ipykernel install  --name torch --display-name "Pytorch for Deeplearning"
# 切换回基础环境
activate base
# 创建jupyter notebook配置文件
jupyter notebook --generate-config
## 这里会显示创建jupyter_notebook_config.py的具体位置
  • 打开文件,修改
c.NotebookApp.notebook_dir = '' 默认目录位置
c.NotebookApp.iopub_data_rate_limit = 100000000 这个改大一些否则有可能报错
  • 不明原因的,kernel中多出了一个Pytorch for Deeplearning(不可用)和一个Python[conda env:torch]可用

5.9 pytorch环境

Ref:https://zhuanlan.zhihu.com/p/101799677
待参考:https://blog.csdn.net/u014665013/article/details/81084604

  • anaconda新建环境,等价于
conda create -n pytorch
  • 昨天已经在base环境中
conda install ipykernel
  • 进入新环境,创建kernel文件,将环境写入notebook的kernel中
conda activate pytorch
conda install -n pytorch ipykernel
python -m ipykernel install --user --name pytorch --display-name "pytorch"
  • 安装pytorch
conda install pytorch torchvision cpuonly

至此,完毕

总结

  • pytorch和torch两个虚拟环境都装了pytorch
  • 在jupyter notebook中新建需要运行pytorch时,选择env:pytorch或env:torch中的任意一个,不要选pytorch for deep learning. 没有pytorch可选
  • 在ipynb文件中,需要用到pytorch时,选择kernel为env:pytorch或env:torch中的任意一个,不要选pytorch for deep learning,也不要选pytorch
### 安装和支持 CUDA 的 PyTorch 配置 要在 Anaconda Jupyter Notebook安装并配置支持 CUDA 的 PyTorch,可以按照以下方式操作: #### 创建 GPU 支持的 Conda 虚拟环境 首先需要创建一个新的 Conda 环境来专门用于 PyTorch 和 CUDA 的开发工作。可以通过以下命令完成此过程[^2]: ```bash conda create --name pytorch-GPU python=3.9 ``` 激活该新创建的虚拟环境: ```bash conda activate pytorch-GPU ``` #### 安装 PyTorch 及其依赖项 在激活的环境中,通过官方推荐的方式安装适合当前系统的 PyTorch 版本。访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 并根据操作系统、包管理器(Conda 或 Pip)、CUDA 版本来获取合适的安装命令。 例如,对于使用 Conda 安装且支持 CUDA 11.7 的情况,执行以下命令: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 这一步会自动处理 PyTorch 所需的所有依赖关系,并确保 CUDA 工具链被正确设置。 #### 添加虚拟环境Jupyter Notebook 内核 为了使刚刚创建好的 `pytorch-GPU` 环境能够在 Jupyter Notebook 中可用,还需要将其作为内核注册进去。具体做法如下: 先确认已安装 ipykernel 库;如果未安装,则运行下面这条指令: ```bash pip install ipykernel ``` 接着把刚才建立起来的那个特定版本加入到 jupyter notebooks 当中去: ```bash python -m ipykernel install --user --name pytorch-GPU --display-name "Python (pytorch-GPU)" ``` 这里,“--display-name”参数定义了这个 kernel 在界面里显示的名字,方便识别[^4]。 重新启动你的 Jupyter Notebook 后,在新建文档时应该能看到名为 “Python (pytorch-GPU)” 的选项卡可供选择。 #### 验证 PyTorch 是否正常加载以及 CUDA 功能状态 最后一步就是测试一下整个流程是否顺利完成。在一个新的 notebook 文件里面输入这些代码片段来进行简单的功能检测: ```python import torch print(torch.__version__) # 输出 PyTorch 的版本号 print(torch.cuda.is_available()) # 如果返回 True 则说明成功启用了 cuda 加速计算能力 device = 'cuda' if torch.cuda.is_available() else 'cpu' tensor_example = torch.tensor([1, 2], device=device) print(tensor_example.device) # 查看张量实际使用的设备类型 ``` 假如以上所有输出均符合预期,那么就表明已经在 Jupyter Notebook 上面顺利集成了带有 CUDA 支持特性的 PyTorch 开发框架[^1]。 当遇到 `torch.cuda.is_available()` 返回 False 这种情形的时候,可能是因为以下几个原因之一造成的:一是硬件本身不兼容或者驱动程序有问题;二是软件层面缺少必要的组件比如 NVIDIA 显卡驱动更新不足或者是 cuDNN 设置错误等问题所致[^3]。针对前者应当升级显卡固件至最新版;而后者则建议参照官方指导手册逐一排查修复。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值