由于之前安装tensorflow的时候踩了不少坑(大家有需要的可以看一下我之前写的tensorflow安装过程),所以我现在搭建深度学习环境已经十分熟练啦(哈哈哈)。话不多说,下面就来说一下怎么搭建pytorch并配合英伟达GPU加速。首先我先来说一下我已开始大概的思路:先用anaconda创建一个python3.6的虚拟环境,然后再往里面加入pytorch等需要的一系列深度学习相关的库。
首先第一步,连上清华镜像想要加速安装(因为家里的网速特别慢),用以前的方式连清华镜像发现不好用了,查了一下,原来2019年4月清华和科大都关闭了anaconda镜像,无奈百度了一下,发现在命令行输入一下四行指令即可。
第一行:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
第二行
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
第三行
conda config --set show_channel_urls yes
第四行
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
然后连接上清华镜像就可以继续啦。
首先,我们先用anaconda创建一个名叫pytorch_gpu的虚拟环境
conda create -n pytorch_gpu pip python=3.6
输入y+回车开始创建虚拟环境。
虚拟环境创建好了之后我们开始往里面加库,首先要先激活已经创建的虚拟环境:activate pytorch_gpu
激活环境就会在命令行前面显示(pytorch_gpu),下面我们开始用conda(pip也可以)安装pytorch和gpu加速库。
conda install pytorch torchvision cudatoolkit=9.0
同意安装输入y+回车,等待10分钟左右就可以安装成功啦。(是不是so easy,so happy!)
最后装好了我们来测试一下能不能调用torch以及能不能调用gpu加速。
#coding = utf-8
import torch
x = torch.rand(5,3)
print(x)
print(torch.cuda.is_available())
print(torch.__version__)
如果能生成随机数张量的话就说明torch可以使用了,如果下面返回True和torch的版本号,那么恭喜你可以调用GPU进行加速了。
是不是现在感觉搭建环境很轻松了呀,那就开始跑起你的深度学习算法吧!