|pytorch安装| 根据自己显卡安装pytorch并配置python环境全过程
文章目录
前言
本篇博客所叙述的关于pytorch的安装全都是基于Anaconda安装完成的基础下进行,对不同显卡安装适配自己的pytorch均做了详细的叙述,如果有anaconda安装或者配置环境相关问题的话可以看我上一篇博客:|Anaconda安装| Anaconda、pycharm安装及配置Python环境详细教程
下面是一个流程图来大致描述,CPU和GPU分别是怎样安装。
再开始安装之前先检查一下自己的电脑是否具备GPU,如果不具备的话可以使用CPU版本的pytorch。
下面介绍一下如何检查自己电脑是否具有GPU,首先调出任务管理器(Ctrl+Alt+.),并查看上方菜单栏的‘性能’。
打开之后查看自己这两个地方是否具有GPU,如果存在的话证明有GPU,不存在说明只能安装CPU版本。
然后在教程中找到相应的GPU和CPU安装版本即可。
创建虚拟环境
在安装之前我们需要在anaconda下创建一个虚拟环境来装载pytorch.
首先打开‘win’工具栏,在安装好的‘Anaconda’文件夹中,找到‘Anaconda Prompt’并打开。
打开后输入以下指令,目的是创建一个新的环境(把myenv换成自己想创建的环境名称)。
conda create --name myenv
在这里我创建了一个名为pylpytorch的新环境。
接下来在弹出的对话框中键入‘y’.
出现下列对话便是建立完成。
之后复制粘贴下列代码,目的是切换到新创建的环境(同样把pylpytorch换成你创建的环境名)。
conda activate pylpytorch
此时可以看到从主环境切换到了刚创建的虚拟环境。
之后复制粘贴下列代码,目的是查看新创建的环境的信息。
conda info
我们可以从中看到新创建的环境相关的各种信息。
至此环境创建完成。
CPU版本安装
CPU版本的安装相对简单,相较于GPU版本节省了很多步骤,下面我们一步步来安装。
首先附上pytorch官网:https://pytorch.org/
进入之后点击左上角的‘Get Start’。
进去之后按照箭头指示的地方选中相应的选项。然后复制下图红框中圈到的命令符。
复制下来后我们从命令符中看到安装pytorch实际上是安装 pytorch torchvision torchaudio这三个库。**由于这个网站里面的命令符下载网站并不在国内,所以直接运用命令指示符下载会非常慢,甚至出现下载失败的情况。**所以建议使用国内镜像下载,下面是一个比较推荐的几个国内镜像网站:
清华镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
所以此时我们需要把代码更换一下换成:
conda install pytorch torchvision torchaudio cpuonly -c 镜像地址
复制后打开命令指示框,输入上述代码并把镜像地址换成上方清华镜像,如下图:
后续对话中键入‘y’。
当出现‘done’如下图的标识时,便是下载成功。
然后可以通过如下指令来查看是否安装成功
conda list
输入后回车可以查看环境中已安装的库。会看到一个cpu版本的pytorch。
这时pytorch已经安装到虚拟环境了,接下来查看库是否可以正常运行。
依次输入python
、import torch
、torch.cuda.is_available()
。出现‘False’说明安装成功并可以正常使用。
CPU版本pytorch安装至此结束。
GPU版本安装
GPU版本的pytorch相较于CPU版本的pytorch安装略显麻烦,但能够使用GPU的并行计算能力还是很值得的。
安装最新版驱动
首先通过第一步记住自己的GPU型号,比如我的这个NVDIA RTX20系列的2060.
进入NVDIA下载驱动的网站:https://www.nvidia.cn/Download/index.aspx?lang=cn,然后再产品类型中找到自己的显卡后点击搜索。
搜索后直接下载安装即可,安装过程比较简单,就不过多赘述了。
根据自己GPU型号找到合适的cuda版本
安装完成驱动之后,我们需要确定一下适配自己GPU的CUDA版本。
首先使用‘WIN + r’调出命令栏,在命令栏中输入’cmd’。
在打开的命令框中输入以下代码,目的是查看自己GPU的各种信息以及适配的CUDA版本。
nvidia-smi
如下图可以看到,弹出了自己的GPU及适配信息。其中箭头指向的地方是输入的指令,圈出的地方就是适配的CUDA信息,例如我这边显示的CUDA Version:12.4意思就是我可以安装12.4版本的CUDA版本。
pytorch安装
首先进入pytorch官网,地址:https://pytorch.org/,点击‘Get Start’。
情况一:
首先这里列举两种可能遇到的情况,情况一指的是自己的GPU版本不算很靠后,可以在根据本小节教程在Pytorch的官网中找到适配自己GPU的CUDA版本安装指令,如果GPU版本比较靠后在本节找不到对应的CUDA版本安装指令可以移步情况二。
然后再新的页面寻找自己的CUDA版本,例如说我这里适配12.4以下的版本那么我就可以选中蓝色圈出的CUDA 12.1,如下图所示。另外上面四个选项和我箭头段指的选一样的即可,最后复制我红色圈中位置的命令符。
情况二:
如果从情况一的部分没找到适配自己版本的CUDA版本,我们可以在过去的版本中找,首先在‘Get Start’的页面中找到寻找过去版本的字样。
进入之后我们使用搜索的快捷键(Ctrl+F)在新的网页中进行搜索我们需要的版本,假如说我需要搜索10.2的CUDA版本,如下图:
在搜索完成后一定要注意是pip下载还是conda下载,另外也要注意是linux and Windows下载还是osx。
找到适配的命令符后复制即可前往下载安装。
然后打开‘Anaconda Prompt’激活第一开始创建的虚拟环境,例如我创建的是‘pingpytorch’
激活代码为:
conda activate 环境名
如上图所示,环境切换成功,然后复制在pytorch网站的命令符即可。
但是由于下载源在国外的网站,所以建议使用国内镜像源下载:
清华镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
接着在弹出的页面键入’y’即可
接下来就是等待安装成功。
然后我们确认是否安装成功。依次输入python
、import torch
、torch.cuda.is_available()
。出现‘True’说明安装成功并可以正常使用。
配置pytorch环境
写到这想起来我的上篇博客有详细的pycharm配置pytorch的步骤,这里我就不过多赘述了,详情直接看上篇博客吧:|Anaconda安装| Anaconda、pycharm安装及配置Python环境详细教程
总结
虽然是把所有步骤都列举出来了,但是安装过程中还是会不可避免的遇到很多问题,不要太影响心态,一点点解决就行,也很欢迎有问题一起讨论。