首先,能升级显卡驱动直接升级驱动,旧版的pytorch容易报错,改起来麻烦。以下为个人学习记录,可读性较差,仅供参考。
1.安装CUDA(可自定义到D盘)
添加环境变量:
CUDA_BIN_PATH=%CUDA_PAT%\bin
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64
CUDA_SKD_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Sample\v11.3
//根据自定义修改CUDA_SKD_PATH
Path变量中加:
%CUDA_BIN_PATH%
%CUDA_LIB_PATH%
%CUDA_SDK_BIN_PATH%
%CUDA_SDK_LIB_path%
2.创建pytorch虚拟环境
根据cuda确定pytorch版本和可用python版本3.7
打开Anaconda Prompt
conda create -n py37 python=3.7 //创建虚拟环境py37
conda activate py37 //激活环境
打开Anaconda Navigator
在configure conda中配置清华镜像源
channels:
- defaults
show_channel_urls: true
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
3.安装pytorch
根据CUDA版本确定pytorch版本为1.1.0
强调:一定要用pip方式下载的pytrorch才是gpu版,conda下载的pytorch极有可能是cpu版的
方法一:官网本地下载
将pytorch1.1.0和torchvision0.3.0的两个whl文件本地下载到C:\Users\用户名\
在Anaconda Prompt的py37环境下输入:
pip config set global.index-url http://pypi.tuna.tsinghua.edu.cn/simple //配置pip清华源
再分别输入
pip --trusted-host pypi.tuna.tsinghua.edu.cn install "torch文件名.whl" //下载torch
pip --trusted-host pypi.tuna.tsinghua.edu.cn install "torchvision文件名.whl" //下载torchvision
方法二:镜像下载
找到pytorch官网下载的命令,install前加上--trusted-host pypi.tuna.tsinghua.edu.cn
在Anaconda Prompt的py37环境下输入:
pip config set global.index-url http://pypi.tuna.tsinghua.edu.cn/simple //配置pip清华源
pip --trusted-host pypi.tuna.tsinghua.edu.cn install torch==1.5.1+cu92 torchvision==0.6.1+cu92 -f https://download.pytorch.org/whl/torch_stable.html //下载torch和torchvision
4.检验安装结果
py37环境输入python进行编辑
import torch
print(torch.__version__) //查看torch版本
import torch
torch.cuda.is_available() //输出为true表示cuda可用于pytorch