该文为自己使用的笔记
anaconda下载地址:
https://www.anaconda.com/products/distribution
下载后直接运行即可
安装后可以换源,优点是在国内下载部分工具包的时候速度快一些,缺点是不同的源对软件包的更新肯定不会比默认的快,而且部分源对一些包不进行维护.如果无法科学上网或者不是肉身翻墙,建议换源.如果我没有理解错误的话,换源后使用conda install大概率是从更换后的源进行的下载
检查环境:
我们通常用的是NVIDIA的显卡来做深度学习,AMD也可以做但是需要额外操作,好像一定要linux环境,所以我这里不讨论
使用 nvcc --version
查看cuda版本,有cuda才可以使用gpu训练,如果没有需要单独安装
也可以用nvdia控制面板-左下角’系统信息’-组件 里面查看NVCUDA64.dll产品名称是什么,比如我的版本是:NVIDIA cuda 11.7.102 driver
在这里可以查看torch,torchvision和python的版本匹配问题
我个人理解这是显卡的硬件支持
打开conda prompt,可以直接操作也可以新建一个环境
如果不消息安装了cpu版本可以这样删除
如果已经安装了pytorch-cpu版本,可以先删除
删除方法:
如果是用conda安装的,输入:
conda uninstall pytorch
conda uninstall libtorch
如果是用pip安装的,输入:
pip uninstall torch
不记得用什么装的就都试试
安装cuda和pytorch
然后选择并安装cuda:
https://developer.nvidia.com/cuda-downloads
之后安装pytorch:
https://pytorch.org/get-started/locally/
还是根据自己的python版本和cuda版本选择pytorch,如果网站内没有可以选择页面内的install previous versions of PyTorch
如果换了源,记得用pip,似乎源内的pytorch都是cpu版本
换成pip下载则对网络有要求,网络不好容易time out,自己取舍
查看cuda是否gpu版本
然后打开conda prompt测试安装是否成功:
python
import torch
torch.cuda.is_available()
返回True就是GPU版本了