python虚拟环境深度学习环境配置
创建python3.9的虚拟环境
# 在合适的地方打开终端
sudo apt install python3.9-venv #使用以下命令来安装 python3-venv 包,这将包括创建虚拟环境所需的所有依赖,包括 ensurepip
python3.9 -m venv env #创建了一个名为env的虚拟环境,python的版本为3.8
conda activate env #激活名为env的虚拟环境
安装cuda以及cudnn
查找合适的cuda版本
nvidia-smi #查看显卡信息
我的推荐版本为12.0的cuda,但是为了与tensorrt的版本配套,选择11.8的cuda
查找合适的torch版本(会同时安装cuda)
torch链接地址:https://pytorch.org/get-started/previous-versions/
选择的pip安装,将这一行复制到命令行即可
# CUDA 11.8
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu118
检查是否安装成功
python
import torch
print(torch.version.cuda) #查询cuda版本
print(torch.backends.cudnn.version()) #查询cudnn版本
print(torch.cuda.is_available()) #cuda是否可用
如果出现这样就算安装成功:
但是我的出了一点小问题,cudnn版本不匹配,这是因为cudnn的使用地址并不是我的虚拟地址,需要进行修改
cudnn环境不匹配修改
echo $LD_LIBRARY_PATH #查看环境库路径
可以看到为/usr/×××,并不是你的虚拟环境库路径。
echo $CONDA_PREFIX #查看虚拟环境地址
cd $CONDA_PREFIX #进入虚拟环境地址
#创建文件
mkdir -p ./etc/conda/activate.d
mkdir -p ./etc/conda/deactivate.d
touch ./etc/conda/activate.d/env_vars.sh
touch ./etc/conda/deactivate.d/env_vars.sh
编辑activate.d/env_vars.sh,注意将your_name换成你的环境名字,注意=前后不能有空格哦
export OLD_LD_LIBRARY_PATH=${LD_LIBRARY_PATH}
export LD_LIBRARY_PATH=anaconda3/envs/your_name/lib64
编辑deactivate.d/env_vars.sh,这样deactivate的时候,会恢复设置
export LD_LIBRARY_PATH=${OLD_LD_LIBRARY_PATH}
unset OLD_LD_LIBRARY_PATH
保存之后重启虚拟环境
conda deactivate #退出虚拟环境
conda activate env #激活名为env的虚拟环境
再次检查是否安装成功
python
import torch
print(torch.version.cuda) #查询cuda版本
print(torch.backends.cudnn.version()) #查询cudnn版本
print(torch.cuda.is_available()) #cuda是否可用
这样就算成功