pytorch gpu版本最新安装方法(2021.06)

本文介绍了如何在不预先安装CUDA的情况下,通过PyTorch官网指令快速安装,并从国内镜像源加速下载。在安装过程中遇到了环境不一致的问题,通过更新conda和anaconda解决了此问题。提供了详细的安装步骤和验证方法。
摘要由CSDN通过智能技术生成

第一次安装pytouch,踩了很多坑,于是把安装过程和和遇到的问题总结一下。

新更新了tensorflow的安装方法:https://blog.csdn.net/weixin_39574469/article/details/117454061


安装步骤

不用提前安装cuda,不用提前安装cuda,不用提前安装cuda重要的事情说三遍,现在网上大部分安装教程先安装cuda,但是cuda已经集成在pytorch官网给的安装指令里了,不需要单独安装

首先进入pytorch官网:https://pytorch.org/get-started/locally/
选择合适的版本后会出现安装命令,只需要用命令行运行pytorch就可以安装完成。
在这里插入图片描述
需要注意是pytorch下载速度特别的慢,要从从国内镜像源中下载pytorch包

  1. 使用下面的命令将清华源添加conda源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  1. 使用官网给的命令安装pytorch,注意这里要将-c pytorch去掉,表示从我们配置的新路径中下载
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c conda-forge

这样下载的速度就会很快了


安装验证

进入python环境,运行下面的代码

import torch
torch.__version__ # 验证pytorch
torch.cuda.is_available() # 验证cuda

如果显示这样说明cuda和pytorch就安装完成了
在这里插入图片描述


出现的问题

Collecting package metadata: done
Solving environment: -
The environment is inconsistent, please check the package plan carefully
The following packages are causing the inconsistency:

  - defaults/win-64::anaconda==5.3.1=py37_0
  - defaults/win-64::astropy==3.0.4=py37hfa6e2cd_0
  - defaults/win-64::bkcharts==0.2=py37_0
  - defaults/win-64::blaze==0.11.3=py37_0
  - defaults/win-64::bokeh==0.13.0=py37_0
  - defaults/win-64::bottleneck==1.2.1=py37h452e1ab_1
  - defaults/win-64::dask==0.19.1=py37_0
  - defaults/win-64::datashape==0.5.4=py37_1

这个的意思应是版本不兼容,命令行里运行下面两条命令更新conda和anaconda后可以解决这个问题。

conda update conda
conda install anaconda

参考

  1. https://blog.csdn.net/qq_37869587/article/details/107563852
  2. https://blog.csdn.net/qq_36653505/article/details/83932941
  3. https://zhuanlan.zhihu.com/p/61296818
  4. https://blog.csdn.net/sinat_33896833/article/details/103252069
你可以按照以下步骤来搭建一个GPU版本PyTorch Docker镜像: 1. 首先,确保你的机器上已经安装了NVIDIA驱动程序。可以使用以下命令来检查驱动程序的安装情况: ``` nvidia-smi ``` 2. 安装Docker和NVIDIA Docker运行时。根据你的操作系统,可以按照官方文档的说明进行安装。 3. 创建一个新的Dockerfile,可以使用以下命令在你的项目目录中创建一个名为Dockerfile的文件: ``` touch Dockerfile ``` 4. 使用任何文本编辑器打开Dockerfile,并将以下内容添加到文件中: ```dockerfile # 指定基础镜像 FROM pytorch/pytorch:latest # 安装CUDA工具包 RUN apt-get update && apt-get install -y --no-install-recommends \ cuda-toolkit-11-0 \ && rm -rf /var/lib/apt/lists/* # 设置环境变量 ENV PATH /usr/local/nvidia/bin:${PATH} ENV LD_LIBRARY_PATH /usr/local/nvidia/lib:/usr/local/nvidia/lib64:${LD_LIBRARY_PATH} # 安装PyTorch和Torchvision RUN pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html # 设置工作目录 WORKDIR /app # 复制项目文件到镜像中 COPY . /app # 安装项目依赖 RUN pip install -r requirements.txt # 设置启动命令 CMD ["python", "main.py"] ``` 请注意,上面的Dockerfile使用了pytorch/pytorch:latest作为基础镜像,并安装了CUDA工具包以支持GPU计算。你可以根据你的需求选择不同的基础镜像和CUDA版本。 5. 在同一个目录中创建一个名为requirements.txt的文件,并列出你项目所需的所有Python依赖包。 6. 确保你的项目文件(包括Dockerfile和requirements.txt)都在同一个目录中。 7. 打开终端,导航到包含Dockerfile和requirements.txt的目录,并执行以下命令来构建Docker镜像: ``` docker build -t my_pytorch_image . ``` 这将使用Dockerfile中的指令构建一个名为my_pytorch_image的镜像。确保在命令末尾有一个点,表示Dockerfile所在的当前目录。 8. 构建完成后,你可以使用以下命令来运行一个容器并使用GPU: ``` docker run --gpus all -it my_pytorch_image ``` 这将创建一个新的容器并进入交互模式,你可以在其中运行你的PyTorch代码,并利用GPU进行加速。 希望这些步骤能帮助你搭建一个GPU版本PyTorch Docker镜像!如果有任何问题,请随时提问。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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