工欲善其事必先利其器。
最近爱上了wsl,。windows上使用linux简直不能更轻便,还可以共享内存。wsl下使用/mnt/c就能访问c盘or d盘文件。这让实验室的这么一大块固态硬盘有了发光发热的机会。分分钟让人抛弃繁重的虚拟机啊。
anyway, 最近也打算从tensorflow入坑pytorch,想看看pytorch到底有多香hhh。所以开始使用wsl+ubuntu20+pytorch的方法搞一搞(水一水)科研。
wsl2 + ubuntu20安装
网上教程很多,大家随便百度谷歌
安装conda
官网加载安装包,直接bash xxx.sh即可。网上一堆教程。
输入conda
没反应说名可能配有配置环境路径,需要去bashrc文件(sudo vim ~/.bashrc
) 最后一行增加
export PATH="/home/wsl/anaconda3/bin:$PATH"
(具体路径具体分析哈,可以先ls查看有没有)
创建虚拟环境
conda create -n your_env_name python=X.X
FDS
conda安装pytorch
其实pip也可以安装pytorch。但是conda的好处是更好的处理一些隔离的python环境(pip也可以创建venv,但是不像conda可以自动的安装一些package,并把虚拟环境都放在同一个地方,方便管理)
参考文章
因此小编用的conda安装pytorch。
1. 纯cpu版本
conda install pytorch torchvision cpuonly -c pytorch
2. GPU版本
先安装cuda
sudo apt install nvidia-cuda-toolkit
查看cuda安装是否成功
nvcc -V
安装基于cuda版本的pytorch, 查看cuda版本是多少,具体情况具体分析哈。
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
最后检查:
# pytorch是否成功
import torch
print(torch.rand(5, 3))
# cuda是否可用
import torch
torch.cuda.is_available()
从vscode中访问wsl中的conda环境
wsl中进入文件夹后,输入code .
自动进入vscode。
下载相应的一些插件,例如code runner等,就可以运行了
terminal中显示的也是wsl的路径。
conda env list看看创建的conda虚拟环境是否可以使用。