![e134efd98b1b6c3a0575d5e5a7269348.png](https://i-blog.csdnimg.cn/blog_migrate/49af70b726d584c493b651fefd379937.png)
本来是没想把Pytorch写进专栏里的,但是昨天配置新电脑的时候,发现怎么每次安装Pytorch 的时候,官网的教程都不一样。我相信原因是Pytorch处于高速发展阶段,虽然已经有稳定版本,但是繁琐的配置环境变量一定会为难到大多数同学。那么今天,我们来看一个手把手的Pytorch 安装教程,包括GPU计算配置于Anaconda以及Pycharm。
那么首先,简明的罗列下需要的安装的项目(建议按顺序安装):
- CUDA Toolkit
- Anaconda 或者 Pycharm
- Pytorch
1.CUDA 的安装与配置
把CUDA列为第一个要安装的项目是因为我在将Pytorch运行于GPU上踩了太多的坑,最开始torch.cuda.is_available() 总是返回 False。所以我们一定要配置好CUDA, 才能让之后的机器学习光速起飞!(不想做GPU计算的可以直接忽略CUDA的安装,进入第二步,普通处理器也是可以运行Pytorch的)
重中之中,一定要先查询Pytorch支持的CUDA版本:
PyTorchpytorch.org![b4f9a13ffa948a1bb0ff2d534c40b335.png](https://i-blog.csdnimg.cn/blog_migrate/47fd3cb77977f61d2d527c998204745d.png)
![c57c00013c2481c4d9acda43f738a6ac.png](https://i-blog.csdnimg.cn/blog_migrate/522c47a0957de4cd88c532eb0e5f6f7c.jpeg)
在这里我们可以发现,Pytorch现在支持CUDA的版本为9.2,10.1,10.2,那么我们接下来就要看看我们自己电脑上的NVIDIA 的CUDA版本是否符合要求。
CUDA版本可以通过 控制面板 --> 右上角 查看方式 --> 大图标 --> NVIDIA 控制面板--> 帮助 --> 系统信息 --> 组件:
![9ba7adacebba8477f02c88a1db303672.png](https://i-blog.csdnimg.cn/blog_migrate/75970413e2453a6ef6ad5a4b7af4f90e.jpeg)
这里,我的CUDA的版本是10.2
如果没有安装过CUDA或者版本过老,那么我们可以去NVIDIA CUDA 的官网进行下载,需要提醒的是,你要安装的CUDA一定要是Pytorch官网里支持的版本,Pytorch并不支持向下兼容。同时,CUDA最新的版本在Pytorch 里不一定支持,这里在一定要注意。所以不要盲目更新你的CUDA。
这里提供一个网站,是NVIDIA官网CUDA的历史版本下载链接。因为CUDA官网总是最新版本的链接(目前是11.0),而Pytorch目前最新只支持到10.2。我在安装之处就忽略了版本的影响,天真的以为会兼容,结果走了很多弯路。
CUDA Toolkit Archivedeveloper.nvidia.com![8349378bdc50cb7feab5f26776f23c66.png](https://i-blog.csdnimg.cn/blog_migrate/75c943ac990709911e363ea4da9d0436.jpeg)
下载好就可以跟着一步一步安装了。这里没有什么问题,安装完成后,打开命令提示符 cmd,输入:
nvcc -V
![0b82d8b1ecfec43d033e5f26b69262e8.png](https://i-blog.csdnimg.cn/blog_migrate/6fdaf732c8363eb275cc000ae28c98ce.png)
当我们看到NVIDIA以及版本号时,就证明安装成功了。
这里在多说一个问题,如果已经存在的CUDA版本太高怎么办,在Pytorch里没有支持的版本?那么我们就需要先卸载NVIDIA驱动,然后再安装。(没有这个问题的朋友可以直接移步下一节)因为我就是盲目的先更新了CUDA,然后发现Pytorch竟然不支持最新的CUDA版本,然后折腾了1个小时,才搞定。其实很简单,具体操作如下:
在控制面板,在卸载应用程序里搜索NVIDIA,保留以下两个应用,其他全部卸载。
![1b323e3dacbefb655992093bd33098d4.png](https://i-blog.csdnimg.cn/blog_migrate/c4ad908dcbf215140feab7cd406300d9.png)
![08f4d50fed5cd8f130db10324a8896b4.png](https://i-blog.csdnimg.cn/blog_migrate/23d1e866f31a730e2ae14ae298c0bc0d.png)
卸载后,我们进入C:Program FilesNVIDIA GPU Computing ToolkitCUDA 将所有文件夹也都删除了,然后重启。
接着在去官网下载需要的CUDA版本进行安装就行了。
2. Anaconda 或者 Pycharm
ANACONDA
Individual Edition | Anacondawww.anaconda.com![62f2de19f4d9529f3abb5b460a491afa.png](https://i-blog.csdnimg.cn/blog_migrate/77768838c4e657550981fa13e45b2f4b.png)
Anaconda 的安装也不复杂,以上为官网,拉到下面可以找到下载链接,如下图:
![d841651d37c3fe07715a93a769ff9855.png](https://i-blog.csdnimg.cn/blog_migrate/04cc58545377a4701d538dc285f60746.jpeg)
选择合适的版本下载安装就可以了。
在安装时有一个地方需要注意:
![3692c63ae1bad9ebd277f98ac3ec5905.png](https://i-blog.csdnimg.cn/blog_migrate/d24252b3782ba91e92265898f2fe5e9c.jpeg)
这里有个将Anaconda添加到环境变量里,我建议不勾选。
安装好后,我们需要去配置环境变量:
打开 控制面板系统和安全系统高级系统设置环境变量用户变量PATH 中添加以下三个:(注意,每个人的安装路径不一样)
![d328ac7095272605be6be42c0010f023.png](https://i-blog.csdnimg.cn/blog_migrate/a1bd9ffa42c59b09043c9fd5ef379ee7.png)
Pycharm
Pycharm 的安装比较简单,直接去官网下载Community版本即可。重点在于编译器的选择,我们在后面会讲,现在只需要安装好就可以。
https://www.jetbrains.com/pycharm/download/#section=windowswww.jetbrains.com3. Pytorch 安装
Pytorch网上有很多安装的教程,但是都不是很详细,我在配置Pytorch的时候也遇到很多报错,同时GPU折腾了很久。在这里,我总结以及几个步骤,有问题的朋友可以随时留言。
1.登录Pytorch 选择对应的版本:
https://pytorch.org/get-started/locally/pytorch.org![d05670f170e69188ef5c1faad50b4a24.png](https://i-blog.csdnimg.cn/blog_migrate/ea8e25c5ce7c9d0b7744b7b14f576bc1.jpeg)
然后我们打开Anaconda Prompt :
![499ae1fb899ee7c5833208c8199b3777.png](https://i-blog.csdnimg.cn/blog_migrate/15834047473d37572382662dd4d3cf32.jpeg)
输入 :
conda create -n pytorch_gpu pip python=3.7
创建一个独立的运行环境。 在这里pytorch_gpu名字可以自定义,同时python=3.7版本需要跟随你自己的版本。
创建好环境后,继续输入,激活环境:
conda
接下来,就是重中之重了,将之前,我们在Pytorch 网站选好配置后的commend代码输入:
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
回车后安装会自动进行,需要输入y确认。
到这里,我们的Pytorch就安装好了,那么我们还需要一个步骤就是验证:
验证的方法有很多。
1.python 编译器
你可以在cmd里输入python,进入python编译器,然后输入:
import torch
x = torch.rand(5,3)
print(x)
如果能打印出矩阵,则pytorch安装成功。
torch.cuda.is_available()
如果以上代码返回"True", 代表可以在GPU上进行计算。
2. Anaconda 的Jupyter
到左下角的开始页菜单,打开Anaconda Navigator,选择左上角Home,并将Application on 栏中的环境更改为pytorch_gpu,最后点击Jupyter的“install”,安装完成后,点击Lunch运行。
import torch
x = torch.rand(5,3)
print(x)
torch.cuda.is_available()
新建一个文件,将代码输入,GPU返回True则可以进行GPU运算。
![a15d09eedf349a1c7b691ff570724dd4.png](https://i-blog.csdnimg.cn/blog_migrate/a475e2e9052e6a073526e2ef1389473b.png)
3. Pycharm 的编译器配置
Pycharm相比之下比较复杂,复杂点在于配置编译器。
首先打开Pycharm,新建一个项目,同时配置编译器:
![89b91ad3793a1befbfaed4edcfbeb6a0.png](https://i-blog.csdnimg.cn/blog_migrate/0a3bb7b375e8c2dd5bd5b0d9ee535f90.png)
![b816a2c69607b1e27527ee491dcf372b.png](https://i-blog.csdnimg.cn/blog_migrate/9f20526899b0cf964aec39438f88f9c0.jpeg)
选择已经存在的编译器,点击 ... 查找更多。
![715a2560791032a312be23da59859394.png](https://i-blog.csdnimg.cn/blog_migrate/5522e031a71dbac359dfac913210e22f.jpeg)
点击Conda Environment, 然后点击 ... 进行查找:
![2392aeceaa11e1e7b258388221ad7370.png](https://i-blog.csdnimg.cn/blog_migrate/1496679d2f61d7a465845a4ddc79b4e7.png)
设置好后进入项目,新建python文件,并输入以上代码,GUP返回为Ture。
![2b25b70bf8ee9edead6d6a4dd1ca79d8.png](https://i-blog.csdnimg.cn/blog_migrate/a2f0c062dedf38c19a616fa08d83fd9c.png)
至此,所有的配置就介绍完毕了,如果大家在安装过程中有问题,欢迎留言,我会及时为大家解答。
下一篇:
推荐系统玩家:推荐系统玩家 之 推荐系统入门——推荐系统的发展历程(上)zhuanlan.zhihu.com