在Ubuntu系统中搭建GPU版pytorch环境

在Ubuntu系统中搭建GPU版pytorch环境

1 搭建pytorch的GPU环境

1.1 重装ubuntu自带的显卡驱动

自带的显卡驱动可能没有办法使用nvidia-smi命令查看显卡信息

• 打开终端，检测N卡和推荐驱动的输入：

  ubuntu-drivers devices
  

• 安装推荐的驱动

  sudo ubuntu-drivers autoinstall 
  

• 安装完成后重启电脑
• 现在输入nvidia-smi指令便不会报错

1.2 安装Anaconda

可以在官网直接下载Anaconda，官网地址：https://www.anaconda.com/products/individual
默认是最新版本的Anaconda，下载完成后，会有一个sh文件
在.sh文件目录下，输入：（自行替换你下载后的文件名）

bash Anaconda3-202x.07-Linux-x86_64.sh

运行指令会进入Anaconda的安装程序，一直回车跳过介绍，需要输入Yes的地方输入Yes即可。这样系统会自动将Anaconda的路径添加到环境变量之中。

1.3 在Anaconda中创建一个pytorch环境

• 创建环境（使用的python=3.8）

  conda create -n pytorch python=3.8
  

• 激活pytorch环境

  conda activate pytorch
  

1.4 下载torch和torchversion

• 下载网址：https://download.pytorch.org/whl/torch_stable.html
• 文件名是对应的版本号
  
  其中cu113对应的cuda为11.3
  torch和torchvision的对应关系如下：https://github.com/pytorch/vision#installation
  
  这里需要下载与torch对应的torchvision版本
• 在Anaconda创建的pytorch环境下，使用cd指令移动到下载好的上边两个文件目录下，终端输入以下指令（需要替换为你下载好的文件名）:

  pip install torch-1.xx.0-cp38-cp38m-linux_x86_64.whl
  pip install torchvision-0.xx.0-xxx.xxx-xxx-xxx.whl
  

2 验证安装是否成功

在Anaconda的pytorch环境下，运行

import torch
torch.cuda.is_available()  ## 输出应该是True

t=torch.nn.Linear(3,3)
t.to("cuda:0")

input=torch.randn((3,3)).requires_grad_().to("cuda:0")
output=t(input)

loss=torch.sum(output)
torch.autograd.grad(loss,input,retain_graph=True)  ## 输出应该是一个gpu上的梯度矩阵
loss.backward()

代码若运行正常，无报错，则安装成功

至此GPU版本的pytorch安装成功

3 说明

本篇文章是我自己在安装GPU版本的pytorch过程，主要参考了三篇文章

1.在Ubuntu系统中搭建gpu版pytorch环境( https://blog.csdn.net/YChao99/article/details/108080621)
2. 五步解决torch.cuda.is_available()返回False的问题(https://blog.csdn.net/Flora_Olivia/article/details/104486548)
3. 验证pytorch是否为GPU版本(https://blog.csdn.net/weixin_43301333/article/details/121550257)

为什么不在线安装pytorch？

我始终安装的是CPU版本的pytorch，GPU一直使用Anaconda安装不上

本篇文章，只做个人安装过程记录，以便下次安装可以参考。文章中可能有不对的地方，因为刚接触pytorch，还不怎么会，所以有的地方可能方法存在问题。如果有哪里不对的地方希望可以指正。