总结配置pytorch GPU环境的两种方法

最新推荐文章于 2024-06-06 16:58:12 发布
最新推荐文章于 2024-06-06 16:58:12 发布
阅读量5.6k 收藏 67
点赞数 12
分类专栏： 笔记 文章标签： pytorch python 深度学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_52341153/article/details/120915159
版权

总结最新配置pytorch GPU环境的两种方法

踩了两天的坑，总结两种方法一步一步带你实现
使用到的软件我们全部按最新版来安装

一：安装anaconda

  1．打开anaconda官网
  anaconda官网

  由于本人英语不是很好，我打开了浏览器的翻译按钮，不过界面都是一样的

   2．滚动条拉到最后，点击个人版，进入下载页面
在这里插入图片描述

   3．点击下载
在这里插入图片描述

   4．待下载完成后，打开下载的可执行文件
在这里插入图片描述
   4.1点击第二个所有用户都可用
在这里插入图片描述
   4.2选择安装目录，我这里直接改为D盘
在这里插入图片描述
   4.3这里都打上

在这里插入图片描述
在这里插入图片描述

   4.4 去掉这两个√，点击Finish完成安装
在这里插入图片描述

二：检查更新显卡驱动

1.右键打开控制面板
在这里插入图片描述

1.1点击帮助→系统信息

在这里插入图片描述

1.2可以看到驱动版本为425.25
在这里插入图片描述

1.3点击组件，可以看到支持的CUDA最高位10.1版本

在这里插入图片描述




1.4下面是显卡驱动版本与cuda版本的对于关系图


\

在这里插入图片描述



\

2 可以在控制面版查看显卡型号




在这里插入图片描述



  NVIDIA官网https://www.nvidia.cn/Download/index.aspx?lang=cn#
2.2这里选择自己的显卡型号下载安装，我这里选择GeForce MX250，
在这里插入图片描述



2.3可以按照默认选项进行安装


在这里插入图片描述



\

2.4重新启动后可再次进入控制面板查看驱动版本和支持的CUDA版本




在这里插入图片描述




\

三：安装PyTorch

  (1)：创建pytorch环境

  不同的项目需要的环境不同，anaconda可以很好的对各个环境进行管理
  1，点击Anaconda Prompt进入命令窗口
在这里插入图片描述

2前面的括号是当前的环境，base是环境的名字
在这里插入图片描述

3创建一个名为pytorch的环境
   3.1输入以下内容：

conda create -n pytorch python=3.8

  pytorch是环境的名字，可自行更改
  python=3.8是python的版本，可自行更改
在这里插入图片描述
  3.2上面列出了需要安装的一些包，输入y确认安装



4 切换到pytorch环境中

  4.1输入以下内容：

conda activate pytorch

在这里插入图片描述




可以看到前面括号变成了pytorch

  (2)：切换为清华源镜像

   因为直接从官网下载pytorch还是下载其他的包都会非常慢，甚至下载中断，所以要切换到国内的一些镜像网站
1切换为清华源
运行如下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

  可看到用户目录下生成了一个.condarc文件，里面的内容为镜像网站的索引

在这里插入图片描述

 (3)：安装PyTorch

  方法1：PyTorch官网一键安装

1添加pytorch库
输入以下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2打开PyTorch官网
在这里插入图片描述





3选择对应的版本

  我这里选择10.2（暂时不知道是什么问题，我选择11.3的话，测试时返回flase）

  复制产生的命令

conda install pytorch torchvision torchaudio cudatoolkit=10.2

注意去掉后面的 -c pytorch ( -c pytorch是从pytorch官方地址下载，去掉才能从镜像网站下载)

4命令窗口中输入刚才复制的命令

conda install pytorch torchvision torchaudio cudatoolkit=10.2

5 测试

下载完成后
分别输入如下命令

Python
import torch
torch.cuda.is_available()

在这里插入图片描述
如果返回true
就是成功了



如果返回flase的话
1检查是否更新了显卡驱动
2降低CUDA版本进行下载（10.2/10.0等）

如果还是不成功可以看以下方法2



\

    方法2：PIP下载



方法1前的步骤不变

重新打开Anaconda Prompt命令窗口
我这里把刚才创建的环境删除
1 输入以下命令

conda remove -n pytorch --all

1.1创建pytorch环境

conda create -n pytorch python=3.8

1.2切换到pytorch环境

conda activate pytorch

（1.3切换到清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

因为方法一时创建的.condarc文件还在
所以我这里不进行操作了 ）

2打开pytorch官网
1首先我们明确我们的任务
就是手动下载下面这三个包

	pytorch torchvision torchaudio

我们需要先知道这几个包对应的版本各是多少

torch==1.9.0+cu102
torchvision==0.10.0+cu102
torchaudio===0.9.0

2.1 点击pip下载方式，选中生成的链接在浏览器打开

在这里插入图片描述

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cVbFETIv-1636987267070)(htts://img-blog.csdnimg.cn/b37b09033486441098093ab12d9102ac.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5a2Q55Sw5ZGA,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)]



2.2按ctrl+F快捷键搜索，输入torch-1.9.0%2B

在这里插入图片描述
%2B是就“+”的意思 cp38是c-python3.8的意思

2.3同理下载 win64版

torchvision==0.10.0+cu102
torchaudio===0.9.0

我这里直接保存到用户目录下，方便以下操作

在这里插入图片描述
2.4回到命令窗口
输入：dir
可以看到这几个包

torch torchaudio torchvision

在这里插入图片描述

2.5输入：pip install torch 然后按Tab建自动补全
pip install “torch-1.10.0+cu102-cp38-cp38-win_amd64.whl”
回车确认安装

2.6 pip install torchaudio 然后按Tab建自动补全
回车确认安装

2.7 pip install torchvision然后按Tab建自动补全
回车确认安装

3测试
下载完成后
分别输入如下命令

Python
Import torch
torch.cuda.is_available()

在这里插入图片描述

返回true是成功了



\

四：下篇博文

  (1)：下载Pycharm

  (2)：选择已创建的pytorch环境创建项目

子田呀
关注
  • 12
    点赞
  • 踩
  • 67
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
Windows下PyTorch深度学习环境配置（GPU）
07-23
在Windows下配置PyTorch深度学习环境，需要安装Anaconda、PyCharm、PyTorch和CUDA等软件。Anaconda提供了Python环境，PyCharm提供了集成开发环境，PyTorch提供了深度学习库，CUDA提供了GPU计算能力。 六、判断有无...
Pytorch 搭建分类回归神经网络并用GPU进行加速的例子
09-18
接着，我们展示了两种构建神经网络的方法： 1. **方法一**：自定义`Net`类，继承自`torch.nn.Module`。在`__init__`方法中，我们定义了两个隐藏层和一个输出层，使用ReLU作为激活函数。在`forward`方法中，我们定义...
PyTorch快速安装并验证GPU是否可用
Smile_liujun的博客
07-01 5954
PyTorch快速安装并验证GPU是否可用
pytorch -gpu 环境配置
m0_51658421的博客
09-26 6051
pytorch -gpu环境配置 包含cuda和cudnn下载配置 完整过程
最新最详细的配置PytorchGPU环境
最新发布
qq_49231165的博客
06-06 760
最新最详细的从0开始配置PytorchGPU环境
pytorch的深度学习环境安装配置（GPU版）
ting
01-15 1万+
pytorch的深度学习环境安装配置：anaconda+pycharm+pytorch（GPU版）
最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 （GPU版本）
m0_48609250的博客
03-08 1万+
anaconda、pytorch深度学习环境搭建
【Windows】搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向）
a922922737的博客
09-11 2万+
此文记录详细且正确的GPU版Pytorch环境搭建过程，同时包括在Pycharm上使用Pytorch的教程（Anaconda环境）。希望此文对读者有帮助！
pytorch--GPU环境配置
qq_43719529的博客
01-08 679
pytorch GPU环境配置
pytorch使用指定GPU训练的实例
09-18
为了解决这个问题，我们可以采取以下两种方法： 1. **通过设置环境变量**： 在运行PyTorch程序之前，可以设置环境变量`CUDA_VISIBLE_DEVICES`来指定可见的GPU。例如，如果你只想使用GPU 1，可以在命令行中输入： ...
Pytorch实现GoogLeNet的方法
09-18
通过这种方式，PyTorch使得构建GoogLeNet变得简单，开发者可以根据需求调整Inception模块的配置，或者引入其他优化技巧，如数据增强、学习率策略等，以适应不同的计算机视觉任务。总的来说，GoogLeNet的PyTorch实现...
1.10.0GPU版本pytorch环境,conda安装支持cuda10.2和11.3 pip安装支持cuda10.2和11.1
11-27
安装PyTorch通常有两种方法：通过conda或pip。conda是Anaconda公司推出的包管理器，适合管理多个环境，而pip则是Python的默认包管理工具。下面是使用conda和pip分别安装PyTorch的步骤： 1. **使用conda安装**： 在...
从0开始搭建深度学习环境-Pytorch-GPU
weixin_44097477的博客
03-13 1万+
深度学习环境搭建 Anaconda-Python3.9——开源的Python 发行...Anaconda的安装 Conda——包含在Anaconda中 CUDA和CUDNN——GPU复杂计算架构和DNN...对CUDN和CUDNN的理解 CUDA的安装 CUDNN的安装 Pytorch深度学习框架(模型库/积木)虚拟环境的创建与激活 对Pytorch的理解Pytorch安装常用库的安装pip和condaconda安装方式pip安装方式 Pycharm——Python lDE
Pytorch 配置 GPU 环境
Henry的博客
02-19 3350
深度学习跑代码的时候，因为简单的操作不适合cpu运行，我们更习惯用GPU加速代码。本章将介绍怎么安装pytorch的gpu环境，以及常见的问题这里提供的版本都是较新的，电脑的硬件跟不上的话，可以选择之前版本的。
PyTorch环境配置(GPU版)-新手成功运行-2023年7月
faith_111的博客
07-18 884
本人大二，纯小白，踩了很多坑，终于完整跑通小土堆的整个教程，遂写篇博客希望能帮到后人。【得用Aconda先安装python】
安装GPU版本Pytorch（全网最详细过程）
热门推荐
learn more，have more
03-02 3万+
安装GPU版本Pytorch（全网最详细过程）
深度学习------pytorch-gpu环境搭建
m0_47405013的博客
08-03 1307
pytorch环境搭建
python pytorch-GPU 环境搭建 (CUDA 11.2)
m0_58709899的博客
09-06 1万+
如下图所示，为 pytorch 或 tensorflow 的环境搭建逻辑。
Pytorch-GPU环境配置
qq_45920294的博客
10-08 2644
1、安装CUDA时，选用精简版，安装在C盘占地太多。然后在卸载时，卸载过多。这里有一个小工具，DUU，可以将其卸载干净，但有时有些不必要卸载的也卸载了。如果发现驱动丢失，可以下载驱动精灵自查一下，重新安装即可。2、torch.cuda.is_available()返回False原因：按照官网的命令默认安装，但是我的torch却是CPU版本的。在这里教大家一个自查的方法，进入Python输入如果返回是CPU版的torch，那么恭喜你也中招了。我也是查了好多网上的帖子，但是和我的原因不太一样。
pytorch 使用单个gpu与多个gpu进行训练与测试的方法
06-06
PyTorch是一个流行的深度学习框架，支持使用单个GPU或多个GPUs进行训练和测试。在使用单个GPU时，需要将模型和数据加载到GPU上。使用单个GPU进行训练和测试的示例代码如下： 示例代码如下： ```python #将模型加载到GPU device = torch.device('cuda:0') #选择第一个GPU model.to(device) #将数据加载到GPU x = x.to(device) y = y.to(device) #在GPU上进行前向传播 y_pred = model(x) #计算损失 loss = criterion(y_pred, y) #在GPU上进行反向传播 loss.backward() #更新权重 optimizer.step() ``` 使用多个GPU可以加快训练和测试的速度。PyTorch提供了两种多GPU的方法：DataParallel和DistributedDataParallel（DDP）。其中，DataParallel是在单台机器上使用多个GPU的方法，而DDP是在多台机器上使用多个GPU的方法。 使用DataParallel时，可以将模型和数据加载到单个GPU上，然后使用torch.nn.DataParallel将模型复制到其他GPU上。使用DataParallel进行训练和测试的示例代码如下： 示例代码如下： ```python #将模型加载到GPU device = torch.device('cuda:0') #选择第一个GPU model.to(device) #使用DataParallel将模型复制到其他GPU上 if torch.cuda.device_count() > 1: model = nn.DataParallel(model) #将数据加载到GPU x = x.to(device) y = y.to(device) #在GPU上进行前向传播 y_pred = model(x) #计算损失 loss = criterion(y_pred, y) #在GPU上进行反向传播 loss.backward() #更新权重 optimizer.step() ``` 使用DDP时，需要在多台机器上安装PyTorch和NCCL库，并按照官方文档中的说明进行配置。使用DDP进行训练和测试的示例代码如下： ```python #在每个进程中选择一个GPU device = torch.device('cuda', rank % torch.cuda.device_count()) #使用DistributedDataParallel初始化模型 model = nn.parallel.DistributedDataParallel(model, device_ids=[device]) #在GPU上进行前向传播 y_pred = model(x) #计算损失 loss = criterion(y_pred, y) #在GPU上进行反向传播 loss.backward() #更新权重 optimizer.step() ``` 以上就是PyTorch使用单个GPU和多个GPU进行训练和测试的方法。具体使用哪种方法，需要根据硬件和应用场景的要求进行选择。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值