笔记:续Pytorch安装 出错误解决办法
命令行下
conda info --envs:查看已建立的环境 *表示当前所处环境
查看GPU信息:https://www.nvidia.cn/geforce/technologies/cuda/supported-gpus
NVIDIA系列显卡做深度学习,需要在宿主机安装显卡驱动(driver),需要在docker中安装英伟达的科学计算库(cuda),在python中安装深度学习库(我主要用pytorch),driver依赖显卡,cuda依赖driver,pytorch依赖cuda
快捷查看显卡支持的cuda版本 NVIDIA->帮助->系统信息->组件->3D设置
卸载pytorch:conda uninstall pytorch 或 pip uninstall pytorch
conda:有环境管理器和模块包管理器的功能,不只是针对于python,可以用于其它语言,通常我们用的比较多的是它的环境管理
pip:只是python的管理器,只能用于python的模块包安装
conda常用命令:
1、查看虚拟环境:conda info -e
2、创建虚拟环境:conda create -n your_env_name python=your_python_version
4、删除虚拟环境:conda remove -n your_env_name --all
5、进入指定环境:Conda activate your_env_name
6、退出指定环境:Conda deactivate your_env_name
7、创建新环境想克隆部分旧的环境conda create -n your_env_name --clone oldname
8、指定环境安装模块包:conda install --name your_env_name package_name
9、删除指定环境中的某个模块包:conda remove --name your_env_name package_name
10、导出环境的配置,方便在其它地方部署相同环境:conda env export > environment.yml
11、导入环境配置,部署相同环境:conda env create -f environment.yml
pip常用命令:
1、安装模块包:pip install package_name
2、查看某个已经安装包:pip show --files package_name
3、升级模块包:pip install --upgrade package_name
4、卸载模块包:pip uninstall package_name
5、导出环境依赖包,requirements.txt
6、记录项目所有的依赖包及其版本号,以便在其他的环境中部署:pip freeze > requirements.txt
7、部署工程中requirements.txt
8、依赖包:pip install -r requirements.txt
9、模块包下载速度慢或失败可切换包源下载:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name
10、忘记pip指令参数可用help,这是一个好的方式pip --help
针对上章问题6(3):键入torch.cuda.is_available(),返回不是True最终成功解决办法:更新NVIDIA驱动版本,使之支持的CUDA版本大于我安装的版本
import torch
conda list
torch.version
torch.cuda.is_available()